Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
UNIVERSIDADE FEDERAL DE PERNAMBUCO
DEPARTAMENTO DE ENERGIA NUCLEAR
COMISSÃO NACIONAL DE ENERGIA NUCLEAR
CENTRO REGIONAL DE CIÊNCIAS NUCLEARES DO NORDESTE
Programa de Pós-Graduação em Tecnologias Energéticas e Nucleares
Metodologia para otimização de protocolo PET/CT harmonizado
de baixa dose em tumores sólidos com reconstrução Point Spread
Function.
Marcos Antônio Dórea Machado
Orientadora: Profa. Dra. Mércia Liane de Oliveira
Recife, PE
Fevereiro, 2017
Marcos Antônio Dórea Machado
Metodologia para otimização de protocolo PET/CT harmonizado
de baixa dose em tumores sólidos com reconstrução Point Spread
Function.
Dissertação submetida ao Programa de Pós-
Graduação em Tecnologias Energéticas e
Nucleares para obtenção do título de Mestre em
Ciências. Área de Concentração: Aplicações de
radioisótopos na indústria e medicina.
Orientadora: Profa. Dra. Mércia Liane de Oliveira
Recife, PE
Fevereiro, 2017
Catalogação na fonte Bibliotecário Carlos Moura, CRB-4 / 1502
M149m Machado, Marcos Antônio Dórea.
Metodologia para otimização de protocolo PET/CT harmonizado
de baixa dose em tumores sólidos com reconstrução Point Spread
Function. / Marcos Antônio Dórea Machado. - Recife: O Autor, 2017.
78 f. : il., tabs.
Orientadora: Profa. Dra. Mércia Liane de Oliveira.
Dissertação (mestrado) – Universidade Federal de Pernambuco.
CTG. Programa de Pós-Graduação em Tecnologias Energéticas e Nucleares, 2017.
Inclui referências bibliográficas.
1. PET/CT. 2. Padronização. 3. Protocolos. 4. Qualificação. 5.
Qualidade de imagem. I. Oliveira, Mércia Liane de, orientadora. II.
Título.
UFPE
CDD 621.48 (21. ed.) BDEN/2017-06
Metodologia para Otimização de Protocolo PET/CT
Harmonizado de Baixa Dose em Tumores Sólidos com
Reconstrução Point Spread Function
Marcos Antônio Dórea Machado
APROVADA EM: 10.02.2017
ORIENTADORA: Profa. Dra. Mércia Liane de Oliveira
COMISSÃO EXAMINADORA:
Prof. Dr. Fernando Roberto de Andrade Lima – CRCN-NE/CNEN
Profa. Dra. Simone Cristina Soares Brandão – HC/UFPE
Prof. Dr. Marcus Vinícius Teixeira Navarro – Física Médica/IFBA
Visto e permitida a impressão
____________________________________
Coordenador(a) do PROTEN/DEN/UFPE
AGRADECIMENTOS
Agradeço primeiramente a Deus, pela saúde e oportunidade de trilhar os caminhos da
ciência. A minha família, pela dedicação em ensinar os mais elevados valores éticos e morais,
por ter-me apoiado em todos passos para construir uma educação sólida. A minha amada esposa
Tiale, pelo amor, companheirismo e compreensão. Aos colegas da Radtec, pelo apoio em todas
as fases deste trabalho, pelas discussões científicas, contribuição nos experimentos e
compreensão pela minha ausência. Aos médicos nucleares e à diretoria médica do Hospital São
Rafael, pela parceria e incentivo nos trabalhos para fortalecer a medicina nuclear. Ao professor
M.Sc. Mauro Namias, por nos transferir seus conhecimentos em medicina nuclear e pela
parceria no fortalecimento do nosso grupo de pesquisas. Aos professores Dr. Adam Alessio e
Dr. Ronald Boellaard pelas ideias e valiosas discussões. À Comissão Nacional de Energia
Nuclear e à Agência Internacional de Energia Atômica, que por meio do projeto BRA6025 nos
proporcionou a oportunidade de contribuir com o desenvolvimento da medicina nuclear em
nossa região, com o financiamento dos equipamentos e transferência de tecnologia. A minha
orientadora Dra Mércia Oliveira, pelo auxílio na construção deste trabalho, seu enriquecimento
e compreensão que, ao longo deste período viabilizou minha orientação frente aos obstáculos
interpostos pela distância entre Recife e Salvador. Não foi fácil, mas mostramos que a dedicação
e a perseverança superaram todos os desafios.
RESUMO
O equipamento PET, os parâmetros de aquisição e a reconstrução de imagens em
exames oncológicos de PET têm impacto tanto na qualidade das imagens quanto na
quantificação da atividade metabólica dos tumores. Neste trabalho é apresentado um método
para otimizar os parâmetros de aquisição de imagens em exames FDG-F18 PET/CT de tumores
sólidos, a partir do ruído no simulador IEC/NEMA e na região do fígado de 88 pacientes. O
algoritmo de reconstrução Point Spread Function (PSF), harmonizado de acordo com os
critérios da European Association of Nuclear Medicine (EANM), foi usado para gerar imagens
superiores em termos de ruído. Assim, as medidas de ruído no simulador IEC/NEMA foram
correlacionadas às quantificações dos coeficientes de recuperação de contraste máximos
(CRCmax), em que os limites adotados pela EANM para CRCmax foram usados como critérios
de qualidade que definem a relação ótima entre parâmetros de aquisição, ruído e quantificações.
Adicionalmente, o ruído na região do fígado de 48 pacientes foi caracterizado para as
reconstruções OSEM e PSF (CRCmáx harmonizados) com densidades de contagens
tipicamente usadas em uma rotina clínica. Outro conjunto de 40 imagens em modo lista da
região do fígado de pacientes foi usado para gerar 160 imagens com um amplo espectro de
densidade de contagens, a fim de compreender o ruído em diferentes contextos de densidade de
contagens. Aquisição de imagens com aproximadamente 350 MBq.s/kg no simulador
IEC/NEMA apresentou variabilidade da quantificação em conformidade aos limites da EANM,
que corresponde a um ruído no simulador de CV = 8,7%. Este mesmo parâmetro de aquisição
quando aplicado a um paciente, resulta em um ruído de CV = 7,1% na região do fígado, que
pode ser usado como uma medida de garantia da qualidade na rotina de exames. Entretanto, a
região entre 200-320 MBq.s/kg sugere oferecer quantificações de SUVmáx reprodutíveis pois
o ruído no fígado mostrou-se controlado nesta região de densidade de contagens. O uso do
SUVpeak mostrou-se ainda mais reprodutível, incluindo a região entre 100-200 MBq.s/kg. Este
método representa a base para um estudo que possa identificar o protocolo de aquisição
otimizado, para vários equipamentos e tipos de reconstrução, a fim de executar exames de
PET/CT com baixa posologia atendendo aos critérios de harmonização da EANM.
Palavras-chave: PET/CT. Padronização. Protocolos. Quantificação. Qualidade de Imagem.
ABSTRACT
The PET/CT scanner, the image acquisition and the reconstruction parameters in
oncological PET affect the image quality and the quantification of tumor activity. In this work,
we presented a method for image acquisition optimization of FDG-F18 PET/CT examinations
in solid tumors by using noise metrics in the IEC/NEMA phantom and in the liver of 88
subjects. The Point Spread Function (PSF) reconstruction algorithm, harmonized according to
the European Association of Nuclear Medicine (EANM), was used to generate superior images
in terms of noise. Then, we used the IEC/NEMA phantom to correlate noise and maximum
contrast recovery coefficient (CRCmáx) quantitation measurements which the EANM
CRCmáx limits were adopted as criteria to define the optimal relations among acquisition
parameters, noise and quantification. Additionally, the noise in the liver of 48 subjects was
characterized for OSEM and PSF reconstructions (CRCmáx harmonized) by using clinical
count densities typically used in clinical routine. Another set of 40 list mode images from the
liver was used to generate 160 images with a wide range count density spectrum in order to
understand the noise characteristics in different count density context. Image acquisitions of
about 350 MBq.s/kg in the IEC/NEMA phantom presented CRCmáx variability within EANM
limits, which corresponds to 8.7% noise in phantom. Such image acquisition parameter
provides 7.1% noise in the liver, which might be used as a quality assurance measurement in
clinical routine. However, the 200-320 MBq.s/kg range may pose reproducible SUVmáx
quantitation since noise in liver was satisfactorily controlled for such count density spectrum.
When SUVpeak was used, it presented even better reproducibility, including the 100-200
MBq.s/kg spectrum. The presented method provides the basis to more robust studies to identify
the optimal acquisition parameter for different scanners and reconstructions in order to perform
low-dose FDF-F18 PET/CT according to EANM harmonization criteria.
Keywords: PET/CT. Standardization. Protocols. Quantification. Image Quality.
LISTA DE ILUSTRAÇÕES
Figura 1 – Exemplo ilustrativo do fenômeno de aniquilação. ................................................ 17
Figura 2 – Linhas de resposta e colimação eletrônica. .......................................................... 18
Figura 3 – Tipos de eventos em coincidência. ...................................................................... 19
Figura 4 – Princípio de funcionamento de um tubo fotomultiplicador. .................................. 22
Figura 5 – Bloco detector. .................................................................................................... 23
Figura 6 – Fatores para correção de atenuação...................................................................... 26
Figura 7 – Conversão de Unidade Hounsfield para coeficientes de atenuação linear. ............ 26
Figura 8 – Correção por tempo morto ................................................................................... 28
Figura 9 – Imagem de projeção ........................................................................................... 29
Figura 10 – Construção do sinograma. (A) Projeção de uma distribuição radioativa. (B)
Sinograma de uma fonte pontual. ................................................................................. 30
Figura 11 – Borramento 1/r. (A) Retroprojeção de uma projeção na matriz. (B) Após múltiplos
ângulos. ........................................................................................................................ 30
Figura 12 – Reconstrução iterativa da imagem de um objeto. ............................................... 32
Figura 13 – Efeito da profundidade da interação................................................................... 35
Figura 14 – Taxa de contagens equivalente de ruído. ............................................................ 36
Figura 15 – Gráfico para obtenção da sensibilidade do sistema. ............................................ 37
Figura 16 – Simulador de qualidade de imagem IEC/NEMA. ............................................... 38
Figura 17 – Teste de qualidade de imagem. (A) imagem axial. (B) Quantificações dos
coeficientes de recuperação de contraste em função dos tamanhos das esferas. ............. 39
Figura 18 – Efeito do volume parcial.................................................................................... 40
Figura 19 – Método analítico para uniformização da qualidade das imagens. ....................... 42
Figura 20 – Imagens do fígado com diferentes estatísticas de contagens. .............................. 43
Figura 21 – Posologia de FDG-F18 em função do algoritmo de reconstrução. ...................... 45
Figura 22 – Relações entre os tipos de ruído e tamanho do ROI em função do tipo de
reconstrução. (A) Variabilidade de fundo. (B) Ruído conjunto. (C) Coeficiente de
variação. ....................................................................................................................... 47
Figura 23 – Medidas da resolução espacial com diferentes reconstruções. (A) aquisição no ar.
(B) aquisição em um fundo com concentração radioativa de 200:1. .............................. 49
Figura 24 – Artefato de bordas. ............................................................................................ 50
Figura 25 – Quadro resumo de objetivos específicos. ........................................................... 53
Figura 26 – Posição do volume de interesse no simulador IEC/NEMA para cálculo do
coeficiente de variação. ................................................................................................ 56
Figura 27 – Coeficientes de recuperação de contraste para uma esfera de 10 mm de diâmetro.
..................................................................................................................................... 59
Figura 28 – Curva característica de ruído no simulador IEC/NEMA em função da densidade
de contagens na aquisição das imagens. ........................................................................ 60
Figura 29 – Coeficientes recuperação de contraste do simulador IEC/NEMA para diferentes
densidades de contagens. .............................................................................................. 61
Figura 30 – Box plot dos valores de ruído (CV) das reconstruções OSEM e PSF harmonizadas.
..................................................................................................................................... 63
Figura 31 – Curva característica de ruído na região do fígado para a reconstrução PSF
harmonizada. ................................................................................................................ 65
Figura 32 – Histograma dos resíduos da regressão da curva característica de ruído e teste de
normalidade pelo método Shapiro-Wilk. ...................................................................... 66
Figura 33 – Variabilidade do ruído na região do fígado para a reconstrução PSF harmonizada.
..................................................................................................................................... 67
LISTA DE TABELAS
Tabela 1 – Propriedades dos cintiladores usados em PET. .................................................... 21
Tabela 2 – Valores de referência para posologia de FDG-F18. ............................................. 43
Tabela 3 – Coeficientes de recuperação de contraste. ........................................................... 51
Tabela 4 – Densidade de contagens no simulador IEC/NEMA. ............................................ 55
Tabela 5 – Reprodutibilidade das quantificações de CRCmáx e CRCpeak no simulador
IEC/NEMA. ................................................................................................................. 69
LISTA DE ABREVIATURAS E SIGLAS
BV Background variability (Variabilidade de fundo)
CT ou TC Computed tomography (Tomografia computadorizada)
CV Coefficient of variation (Coeficiente de variação)
CRC Contrast Recovery Coefficient
(Coeficiente de Recuperação de Contraste)
DOI Depth of interaction (Profundidade da interação)
EANM European Association of Nuclear Medicine
(Associação Europeia de Medicina Nuclear)
FDG Fluorodeoxyglucose
FDG-F18 Fludeoxyglucose-F18
FOV Field of view (Campo de visão)
AFOV Axial field of view (Campo de visão axial)
FWHM Full Width at Half Maximum (Largura a meia altura)
HU Hounsfield Unit (Unidade Hounsfield, ou número CT)
IEC/NEMA International Electrotechnical Comission / National Electrical Manufacturers
Association
(Comissão eletrotécnica internacional / Associação americana de fabricantes
de equipamentos eletrônicos)
LOR Line of response (Linha de resposta)
MLEM Maximum Likelihood Expectation Maximization
(Maximização da expectativa da máxima probabilidade)
NEC Noise equivalent count (Contagem equivalente de ruído)
NECR Noise equivalent count rate (Taxa de contagem equivalente de ruído)
OSEM Ordered subset expectation maximization
(Maximização da expectativa de subconjuntos ordenados)
OSEM-2D 2D-Ordered subset expectation maximization
(Maximização da expectativa de subconjuntos ordenados 2D)
OSEM-3D 3D-Ordered subset expectation maximization
(Maximização da expectativa de subconjuntos ordenados 3D)
PET Positron emission tomography (Tomografia por emissão de pósitron)
PET/CT Positron emission tomography (hybrid)
(Equipamento híbrido de tomografia por emissão de positron)
PMT Photomultiplier Tube (Tubo fotomultiplicador)
PSF Point spread function (Função de resposta de uma fonte pontual)
ROC Receiver Operating Characteristic (Característica operacional do receptor)
ROI Region of interest (Região de interesse)
SNR Signal-to-noise ratio (Razão sinal-ruído)
SPECT Single Photon Emission Computed Tomography
(Tomografia por emissão de fóton único)
SUV Standard uptake value (Valor de captação padrão)
SUVMAX Maximum standardized uptake value (Valor máximo de captação padrão)
SUVPEAK Peak standardized uptake value (Valor pico da captação padrão)
TOF Time of flight (Tempo de vôo)
VOI Volume of interest (volume de interesse)
SUMÁRIO
1. INTRODUÇÃO .......................................................................................... 14
2. REVISÃO DE LITERATURA .................................................................. 17
2.1 Princípios básicos......................................................................................................... 17
2.2 Eventos em coincidência............................................................................................... 18
2.3 Sistemas de detecção..................................................................................................... 20
2.3.1 Cristais cintiladores em PET........................................................................................ 20
2.3.2 Tubos fotomultiplicadores ........................................................................................... 22
2.3.3 Blocos detectores ........................................................................................................ 22
2.4 Correções ...................................................................................................................... 23
2.4.1 Normalização .............................................................................................................. 23
2.4.2 Eventos aleatórios........................................................................................................ 24
2.4.3 Radiação espalhada ..................................................................................................... 25
2.4.4 Atenuação ................................................................................................................... 25
2.4.5 Tempo morto ............................................................................................................... 27
2.5 Algoritmos de reconstrução tomográfica .................................................................... 28
2.5.1 Retroprojeção Filtrada ................................................................................................. 29
2.5.2 Reconstrução Iterativa ................................................................................................. 31
2.5.3 Filtro passa baixa......................................................................................................... 33
2.6 Características de desempenho .................................................................................... 33
2.6.1 Resolução espacial ...................................................................................................... 34
2.6.1.1 Efeito da profundidade da interação ...................................................................................... 34
2.6.2 Taxa de contagens equivalente de ruído ....................................................................... 35
2.6.3 Sensibilidade ............................................................................................................... 36
2.6.4 Qualidade da imagem .................................................................................................. 37
2.7 Quantificação ............................................................................................................... 39
2.7.1 Efeito do volume parcial.............................................................................................. 40
2.8 Otimização de protocolos clínicos ................................................................................ 41
2.8.1 Estatística de contagens ............................................................................................... 41
2.8.2 Contraste, ruído e detectabilidade ................................................................................ 46
2.8.3 Desempenho das reconstruções PSF ............................................................................ 48
2.8.3.1 Reprodutibilidade das quantificações .................................................................................... 49
2.8.3.2 Artefatos de borda ................................................................................................................ 50
2.8.4 Protocolos harmonizados ............................................................................................. 51
3. MATERIAL E MÉTODOS........................................................................ 53
3.1 Simulador IEC/NEMA ................................................................................................. 54
3.1.1 Detectabilidade............................................................................................................ 54
3.1.2 Caracterização e variabilidade do protocolo harmonizado............................................ 55
3.2 Exames PET/CT oncológicos ....................................................................................... 56
3.2.1 Parametrização do ruído .............................................................................................. 56
3.2.2 Otimização de protocolos com reconstrução PSF harmonizada .................................... 57
3.3 Validação estatística ....................................................................................................... 58
4. RESULTADOS E DISCUSSÃO ............................................................. 59
4.1 Simulador IEC/NEMA ................................................................................................. 59
4.1.1 Verificação da detectabilidade ..................................................................................... 59
4.1.2 Protocolos harmonizados ............................................................................................. 60
4.2 Exames de PET/CT oncológico .................................................................................... 63
4.2.1 Parametrização do ruído .............................................................................................. 63
4.2.2 Otimização de protocolos com reconstrução PSF harmonizada .................................... 64
5. CONCLUSÃO ............................................................................................ 70
6. PERSPECTIVAS ....................................................................................... 71
REFERÊNCIAS ............................................................................................. 72
14
1. INTRODUÇÃO
Por ser uma técnica de medicina nuclear, a tomografia por emissão de pósitron (termo
em inglês, positron emission tomography – PET) estuda processos fisiológicos por meio do uso
de radiofármacos que, ao serem administrados aos pacientes, podem ser monitorados pela
radiação que emitem. Por sua vez, a tomografia computadorizada (termo em inglês, computed
tomography – CT) é uma técnica que estuda principalmente mudanças anatômicas associadas
a patologias (BIERSACK e FREEMAN, 2007). Historicamente, as modalidades de imagens
anatômicas e funcionais foram desenvolvidas de forma independente. Entretanto, a partir do
primeiro equipamento híbrido disponibilizado em 2001, a PET/CT mostrou forte impacto no
manejo clínico, principalmente devido à correlação entre imagens anatômicas e metabólicas,
como também à melhor qualidade das imagens com a aplicação dos dados da CT para correção
da atenuação nas imagens PET (MAWLAWI e TOWNSEND, 2009). Isto também possibilita
medir a atividade metabólica (concentração da atividade radioativa) de uma lesão com maior
acurácia (BAILEY et al., 2005), embora lesões menores que 20 mm estejam sujeitas ao efeito
do volume parcial, trazendo impactos tanto na detectabilidade, quanto no acompanhamento da
resposta terapêutica (BETTINARDI et al., 2007; AKAMATSU et al., 2012;
SCHAEFFERKOETTER et al., 2013).
Embora represente um avanço tecnológico muito importante na atenção aos pacientes,
a fusão das técnicas PET e CT traz consigo o aumento da dose a que estarão expostos. No caso
da PET, essa dose dependerá da quantidade do radiofármaco administrada ao paciente e deve
ser a mínima necessária para atingir o objetivo clínico (enquanto doses altas aumentam o risco
radiológico, doses muito baixas podem comprometer a qualidade dos exames) (BOELLAARD
et al., 2010; BOELLAARD et al., 2014). Fica claro, dessa forma, que deve existir um
compromisso entre a atividade administrada (posologia) e a qualidade da imagem obtida. Além
disso, o aumento da atividade administrada (habitualmente entre 0,1-0,14mCi/kg) também
eleva o custo dos exames, pois no Brasil os serviços de saúde adquirem uma determinada
quantidade de radiofármaco que é fracionada para um grupo de pacientes. Então, estes custos
podem ser tão menores quanto mais pacientes forem examinados com a mesma quantidade de
radiofármaco adquirida.
A busca por otimizar a relação posologia-qualidade de imagem tem levado à
disponibilização de equipamentos de alto desempenho, softwares de reconstrução e métodos
quantitativos que ofereçam novas oportunidades para dosimetria da PET, também levando em
15
conta o parâmetro detectabilidade (MAWLAWI e TOWNSEND, 2009; AKAMATSU et al.,
2012; ALESSIO et al., 2010; ALESSIO et al., 2013; LASNON et al., 2013; DE GROOT et al.,
2013; AKAMATSU et al., 2014; MENEZES et al., 2016).
Os métodos iterativos de reconstrução de imagens têm introduzido melhorias contínuas
a partir da implementação de modelos físicos nos algoritmos (ex: correção de atenuação, Point
Spread Function – PSF, Time of Flight - TOF). Embora ainda possua a limitação dos artefatos
de borda1, a modelagem da função PSF durante a reconstrução iterativa 3D tem demonstrado
melhorar a resolução espacial e reduzir o ruído das imagens clínicas, mostrando-se um campo
promissor para a otimização de protocolos e qualidade da imagem em PET/CT (MAWLAWI e
TOWNSEND, 2009; RAHMIM et al., 2013; ALESSIO et al., 2013; LASNON et al., 2013).
Entretanto, os protocolos de reconstrução de imagens exercem forte influência sobre a
variabilidade das quantificações para os diferentes equipamentos de PET/CT, sendo uma
potencial limitação para estudos clínicos multicêntricos e até mesmo para acompanhamento de
pacientes que realizem suas imagens em diferentes instituições (BOELLAARD et al., 2010;
LASNON et al., 2013; BOELLAARD et al., 2014; GRAHAN et al., 2015). Numa tentativa de
superar esta dificuldade, harmonizando as quantificações em PET/CT, a Associação Europeia
de Medicina Nuclear (termo em inglês, European Association of Nuclear Medicine – EANM)
criou o programa de acreditação EARL (EARL, 2016), onde são estabelecidos critérios que
possibilitam os centros de PET/CT participarem de ensaios clínicos multicêntricos nos quais as
quantificações sejam rastreáveis.
O termo “qualidade” deve estar associado ao objetivo clínico do exame, como a
capacidade de detecção de uma determinada doença ou o acesso à resposta terapêutica (van
HEIJL et al., 2010; HATT et al., 2012; MAISONOBE et al., 2013; SCHAEFFERKOETTER
e TOWNSEND, 2016). Entretanto, os critérios de harmonização não consideram o objetivo
clínico dos exames para a definição da posologia, mas apenas características genéricas dos
sistemas de aquisição e processamento das imagens, visando estabelecer uma quantificação
equiparável entre múltiplas instituições (BOELLAARD et al., 2010; BOELLAARD et al.,
2014).
Considerando a larga aplicação da PET na avaliação da atividade metabólica de tumores
sólidos e a disponibilidade de novos algoritmos de reconstrução de imagens, este trabalho tem
como objetivo desenvolver um protocolo harmonizado de baixa dose (otimizado) aplicado a
tumores sólidos utilizando a reconstrução PSF. Os objetivos específicos são:
1 Artefato típico que realça o contorno das estruturas presentes em uma imagem (ZAIDI, 2006).
16
• Desenvolver uma metodologia para caracterizar a reprodutibilidade das
quantificações em diferentes níveis de posologia do radiofármaco;
• Identificar a mínima posologia que atenda aos critérios de harmonização do
programa EARL;
• Possibilitar a redução de custos com radiofármacos e a redução da dose de
radiação aos pacientes com base nas tecnologias disponíveis e no propósito
clínico do exame.
17
2. REVISÃO DE LITERATURA
Neste capítulo são abordados os princípios de funcionamento da tecnologia PET, suas
características de desempenho e evoluções tecnológicas. Em seguida é apresentada uma síntese
das metodologias passíveis de emprego na otimização dos protocolos clínicos.
2.1 Princípios básicos
A tecnologia PET consiste na detecção de fótons advindos da aniquilação de um
pósitron com um elétron. Para tanto, os radiofármacos empregados possuem isótopos emissores
de pósitrons que, após a aniquilação, geram dois fótons diametralmente opostos com energia
de 511 keV (equivalente à massa de repouso do pósitron e do elétron), conforme ilustrado na
Figura 1. O 18F alcança a estabilidade convertendo um próton em um nêutron, a partir da
emissão do pósitron. Como o núcleo do átomo filho possui número atômico menor em uma
unidade, um elétron é ejetado da eletrosfera por conversão interna para atingir o balanceamento
de cargas. O pósitron emitido poderá ter qualquer valor de energia cinética até um limite
máximo (635 keV), que determina o seu alcance no meio até o evento de aniquilação.
Adicionalmente, a maioria dos fótons de aniquilação não é emitida a exatamente 180º devido à
conservação do momento angular. Esta propriedade de não colinearidade, somada ao alcance
do pósitron, resulta em uma degradação da resolução espacial de aproximadamente 30%
(BAILEY et al., 2005; CHERRY et al., 2012).
Figura 1 – Exemplo ilustrativo do fenômeno de aniquilação.
Fonte: BAILEY et al., 2005.
18
2.2 Eventos em coincidência
A propriedade de colinearidade é explorada na PET com a detecção simultânea de dois
fótons a partir de detectores diametralmente opostos que empregam um circuito de coincidência
para analisar os sinais. Um evento é considerado válido quando ocorre em uma janela temporal
que varia de 6 a 12 nano-segundos, gerando uma linha de resposta (termo em inglês, line of
response – LOR) entre o par de detectores, sem a necessidade de usar colimadores físicos, a
exemplo das câmaras de cintilação, que apesar de absorverem a radiação espalhada, também
absorvem parte do feixe útil. Este método, conhecido como colimação eletrônica, é responsável
pela alta sensibilidade da PET em relação à tomografia por emissão de fóton único (termo em
inglês, single photon emission computed tomography – SPECT). A PET incorpora múltiplos
detectores dispostos em um conjunto de anéis ao redor do paciente, permitindo adquirir todas
as projeções simultaneamente (Figura 2). Após serem agrupadas em projeções paralelas, as
LORs são usadas para reconstruir a distribuição 3D do radiofármaco no paciente (CHERRY et
al., 2012).
Figura 2 – Linhas de resposta e colimação eletrônica.
Fonte: Adaptado de CHERRY et al., 2012.
A Figura 3 mostra os três tipos de eventos em coincidência possíveis: verdadeiros,
espalhados e aleatórios.
19
Figura 3 – Tipos de eventos em coincidência.
Fonte: Adaptado de BAILEY et al., 2005.
Um evento verdadeiro ocorre quando ambos os fótons de uma única aniquilação são
registrados por detectores coincidentes. Neste caso, não há qualquer forma de interação da
radiação com o meio antes da detecção e nenhum outro evento é detectado dentro da janela de
tempo definida. Os eventos espalhados ocorrem quando pelo menos um dos fótons de
aniquilação sofre espalhamento no meio antes de ser detectado. Como há mudança na direção
do fóton, o evento de coincidência resultante será associado a uma LOR errada, causando piora
no contraste das imagens. Quando são detectados dois fótons oriundos de diferentes eventos de
aniquilação, esta coincidência é chamada de aleatória (ZAIDI, 2006).
Os detectores também podem receber um único evento, sem que haja a detecção do seu
par correspondente. Neste caso, não há uma LOR associada a este evento. Os eventos aleatórios
estão descorrelacionados espacialmente, sendo uma função do número de desintegrações por
segundo e da taxa de eventos aleatórios entre dois detectores a e b:
𝑅𝑎𝑏 = 2τ𝑁𝑎𝑁𝑏 (1)
Em que N é a taxa de eventos únicos incidentes nos detectores a e b, e 2 é a largura da janela
de coincidência. Como Na Nb, então a taxa de eventos aleatórios aumenta proporcionalmente
a N² (BAILEY et al., 2005).
20
2.3 Sistemas de detecção
Para entender o funcionamento da PET é necessário conhecer as características dos
componentes usados na detecção dos fótons de 511 keV, pois estes componentes afetam
diretamente o desempenho dos equipamentos na prática clínica.
2.3.1 Cristais cintiladores em PET
Os detectores tipo cintilador são os mais utilizados na tecnologia PET. Consistem em
um cristal que, quando sofre interação da radiação, emitem luz visível (luminescência)
resultante da energia depositada por efeito fotoelétrico ou por espalhamento Compton. Como a
intensidade do sinal luminoso é proporcional à energia da radiação, os cintiladores possibilitam
discriminar a energia da radiação incidente. Este sinal luminoso é transformado em sinal
elétrico com o uso de tubos fotomultiplicadores (termo em inglês, photomultiplier tubes – PMT)
que são acoplados ao cristal (CHERRY et al., 2012).
Para aplicações em detectores PET, os cintiladores devem possuir quatro propriedades
principais:
i) poder de freamento para fótons de 511 keV: para um equipamento PET possuir
alta sensibilidade, é desejável maximizar o número de fótons que depositam energia no cristal.
Então, um material com alta densidade e alto número atômico efetivo terá maior poder de
freamento e, portanto, melhor eficiência em atenuar os fótons de 511 keV.
ii) baixo tempo de decaimento do sinal: a constante de decaimento afeta as
características temporais do equipamento, pois um tempo de decaimento lento provoca o
aumento do tempo morto. Por isto é desejável um tempo de decaimento curto a fim de que se
possa processar cada pulso individualmente a altas taxas de contagens, reduzindo-se também a
taxa de eventos aleatórios.
iii) resolução energética: a capacidade em diferenciar dois fótons de energias
diferentes é afetada por efeitos físicos, como o ruído eletrônico e as dimensões do cristal.
Quanto melhor for esta capacidade, mais estreito será o espectro de energia de um feixe mono-
energético em um detector cintilador, facilitando a discriminação da radiação espalhada no
feixe detectado.
iv) alta eficiência: o aumento na quantidade de luz gerada pela interação da radiação
com o cristal contribui com a melhora na resolução espacial (maior razão do número de
21
elementos detectores por PMT) e com a melhora da resolução energética intrínseca do
cintilador.
Melhoras constantes nestas características possibilitaram que os cristais fossem
divididos em elementos cada vez menores, melhorando a sua resolução espacial e minimizando
o tempo morto (BAILEY et al., 2005; ZAIDI, 2006). Na Tabela 1 são mostradas as
propriedades dos principais cintiladores usados em PET.
Tabela 1 – Propriedades dos cintiladores usados em PET.
Propriedades NaI (Tl) BGO LSO GSO LYSO
Densidade (g/cm³) 3,7 7,1 7,4 6,7 7,1
Coeficiente de atenuação a 511keV (cm-1) 0,34 0,96 0,83 0,67 0,87
Tempo de decaimento (ns) 230 300 40 60 41
Rendimento Luminoso (fótons/keV) 38 6 29 10 46
Resolução energética a 511 keV (%) 6,6 10,2 10 8,5 12,5
Os valores de resolução energética são para os cristais individualmente. Quando integrados nos sistemas PET, estes valores sofrem alterações significativas. Valores típicos de resolução energética para sistemas PET são de
aproximadamente 20% e 14% para cristais de BGO e LSO, respectivamente. Fonte: BAILEY et al., 2005.
Os detectores de NaI(Tl) oferecem rendimento luminoso bastante alto, mas o tempo de
decaimento elevado provoca o aumento do tempo morto e dos eventos aleatórios, além de
oferecer uma eficiência muito baixa em relação aos outros cristais devido à sua baixa densidade.
Com relação ao NaI(Tl), os detectores de BGO possuem tempo de decaimento e rendimento
luminoso mais desfavoráveis, mas têm excelente poder de freamento, fornecendo mais
sensibilidade aos sistemas PET. Os detectores PET atuais empregam cristais de BGO ou, mais
recentemente, LSO. Estes cristais possuem a combinação ideal de alto rendimento luminoso,
alto poder de freamento e baixo tempo de decaimento. Uma desvantagem deste cristal é a
presença do isótopo radioativo 176Lu, com 2,6% de abundância, meia vida de 3,8x1010 anos e
decaimento beta negativo com subsequente emissão de fótons (88-400 keV). Entretanto, esta
dificuldade é contornada operando-se o sistema PET em uma janela energética mais alta
(BAILEY et al., 2005; MAWLAWI e TOWNSEND, 2009).
22
2.3.2 Tubos fotomultiplicadores
Um PMT consiste em um tubo a vácuo com uma fina camada de material fotossensível
(foto-cátodo) na janela de entrada. Quando um fóton de luz interage com o foto-cátodo, ocorre
a liberação de um elétron (foto-elétron) dentro do tubo que é acelerado em direção a um dinodo
por uma diferença de potencial. A interação do elétron com o dinodo resultará na emissão de
múltiplos elétrons secundários. O processo de aceleração e emissão é repetido entre os vários
dinodos (tipicamente entre 9 e 12) dispostos no tubo com diferença de potencial crescente (200-
400 V), resultando em um ganho do sinal de mais de um milhão no último dinodo (ânodo). Este
processo é responsável pela boa razão-sinal-ruído (termo em inglês, signal to noise ratio – SNR)
mesmo para baixos níveis de luz (BAILEY et al., 2005; CHERRY et al., 2012). Na Figura 4 é
ilustrado o funcionamento de um PMT.
Figura 4 – Princípio de funcionamento de um tubo fotomultiplicador.
Fonte: Adaptado de CHERRY et al., 2012.
2.3.3 Blocos detectores
O sistema PET é formado por um conjunto de blocos detectores arranjados em forma
de anel. Um bloco detector típico contém quatro PMTs acopladas oticamente a um conjunto de
cristais com cortes de diferentes profundidades, segmentando o bloco em 8 x 8 (6,4 x 6,4 mm²)
ou 13 x 13 (4 x 4 mm²) elementos que atuam como guias de luz (Figura 5). O tamanho dos
elementos detectores define a resolução espacial do sistema, enquanto que a quantidade de
blocos detectores define a sensibilidade. O elemento no qual o fóton interage é identificado
23
comparando-se os sinais de saída de cada PMT por meio da lógica Anger (BAILEY et al., 2005;
ZAIDI, 2006; MAWLAWI e TOWNSEND, 2009).
Figura 5 – Bloco detector.
Fonte: BAILEY et al., 2005.
2.4 Correções
Um dos maiores desafios da PET é que a intensidade da imagem reconstruída deve ser
proporcional à concentração de atividade do radiofármaco na localização correspondente do
paciente. Isto é necessário para que seja possível diferenciar os níveis de concentração do
radiofármaco entre tecidos doentes e sadios. Faz-se necessário, portanto, realizar as correções
para se obter imagens consistentes com a distribuição do radiofármaco no paciente (CHERRY
et al., 2012). Estas correções serão discutidas nas subseções seguintes.
2.4.1 Normalização
Um equipamento PET possui cerca de 20.000 elementos detectores com pequenas
variações de dimensões ou características de eficiência, próprios dos seus processos de
fabricação. Idealmente, um par de detectores deve contar o mesmo número de eventos
coincidentes, mas na realidade estas contagens são diferentes devido às diferenças entre os
detectores. A fim de corrigir estas diferenças, faz-se necessário realizar uma calibração
24
conhecida como normalização, cujo procedimento consiste em irradiar igualmente todos os
detectores com um fluxo de fótons uniforme. Com isto, obtém-se o fator de normalização para
um par específico de detectores (i,j), calculado por:
𝑁𝑜𝑟𝑚𝑖𝑗 = 𝑁𝑖𝑗
<𝑁> (2)
onde Nij é o número de contagens no par de detectores e <N> é a média dos valores de N (i,j)
para todos os pares de detectores. Assim, o fator de normalização é usado para corrigir as
contagens de cada par de detectores:
𝐶𝑁𝑜𝑟𝑚𝑖𝑗 = 𝐶𝑖𝑗
𝑁𝑜𝑟𝑚𝑖𝑗 (3)
onde (Cij) são as contagens em cada par de detectores e CNorm ij são as contagens corrigidas que
são aplicadas aos arquivos de imagens (sinogramas) antes da reconstrução (CHERRY et al.,
2012).
2.4.2 Eventos aleatórios
Existem dois métodos para calcular as coincidências aleatórias: janela em atraso e
eventos únicos. Qualquer evento que ocorra na janela temporal é considerado como válido e
contabilizado. No método da janela em atraso, os eventos aleatórios podem ser estimados
aplicando-se uma segunda janela de coincidência com um atraso maior que a janela temporal
(por exemplo, de 64 a 76 ns para uma janela de 12 ns). Com este tempo de atraso, apenas os
eventos que ocorram com uma separação temporal entre 64 e 76 ns serão aceitos. Nesta janela,
não há eventos verdadeiros, pois os fótons de aniquilação serão computados num intervalo de
tempo da ordem de nano-segundos. Entretanto, a taxa de eventos aleatórios será igual em ambas
as janelas e pode ser subtraída da taxa de contagens na janela principal, resultando apenas em
eventos verdadeiros.
O segundo método consiste em estimar os eventos aleatórios a partir dos eventos únicos,
de acordo com a equação 1. Para isto é necessário que o sistema monitore os eventos únicos
independente da detecção dos eventos de aniquilação. Como a taxa de eventos únicos é pelo
menos uma ordem de grandeza maior que os eventos de coincidência, a incerteza na estimativa
25
dos eventos aleatórios é menor, reduzindo-se o ruído estatístico na sua estimativa (BAILEY et
al., 2005; CHERRY et al., 2012).
2.4.3 Radiação espalhada
Assim como as coincidências aleatórias, a radiação espalhada contribui para a perda de
contraste e erros de quantificação. A fração de radiação espalhada pode ser bastante alta,
podendo chegar de 60% a 70% para uma imagem de abdômen (CHERRY et al., 2012).
O método de correção mais difundido utiliza as informações das imagens de emissão
(PET) e transmissão (CT) para calcular a matriz de correção. A imagem de emissão representa
a distribuição da atividade do radiofármaco no paciente e a imagem de transmissão representa
os coeficientes de atenuação dos tecidos. Utilizando-se esses dois conjuntos de informações e
aplicando-se métodos de simulação Monte Carlo para verificar as interações Compton do fóton,
pode-se estimar a distribuição dos fótons espalhados na imagem. Esta informação é subtraída
das projeções e a reconstrução é repetida com os dados corrigidos (ZAIDI, 2006; CHERRY et
al., 2012).
2.4.4 Atenuação
Considerando-se uma fonte localizada a uma profundidade x, em um objeto de espessura
T, como ilustrado na Figura 6, um evento válido será computado quando ambos os fótons de
aniquilação forem detectados. Assim, a probabilidade de ambos os fótons serem contados é
igual ao produto das probabilidades de cada detecção individualmente:
𝑃 = (𝑒−𝜇𝑥) ∗ [𝑒−𝜇(𝑇−𝑥)] = 𝑒−𝜇𝑇 (4)
Em que 𝜇 é o coeficiente de atenuação linear do tecido para 511 keV, que equivale a
aproximadamente 0,095 cm-1 para tecidos moles, entre 0,12 e 0,14 cm-1, para o osso, e entre
0,03 e 0,04 cm-1, para o pulmão.
O mapa de atenuação é obtido com as imagens de transmissão da CT, em que a Unidade
Hounsfield (termo em inglês, Hounsfield Unit - HU) de cada pixel é convertido em coeficiente
de atenuação linear. Este método tem a desvantagem que para raios-X de energias mais baixas
(aproximadamente 60 keV) os valores dos coeficientes de atenuação não são linearmente
proporcionais para energias de 511 keV. A solução implementada pelos fabricantes é a
26
segmentação das imagens CT em conjuntos discretos de tipos de tecidos, conforme ilustrado
na Figura 7. Após a segmentação e escalonamento dos coeficientes de atenuação linear, os
dados da CT são redimensionados para uma resolução semelhante às imagens da PET, a fim de
se obter os mapas de correção, que serão incorporados ao algoritmo de reconstrução para
corrigir os erros causados pela atenuação e espalhamento dos fótons (BAILEY et al., 2005;
ZAIDI, 2006; MAWLAWI e TOWNSEND, 2009; CHERRY et al., 2012).
Figura 6 – Fatores para correção de atenuação
Fonte: Adaptado de CHERRY et al., 2012.
Figura 7 – Conversão de Unidade Hounsfield para coeficientes de atenuação linear.
Fonte: Adaptado de CHERRY et al., 2012.
27
2.4.5 Tempo morto
Se um fóton depositar sua energia no cristal enquanto o evento anterior ainda estiver
sendo processado (empilhamento de pulsos), podem ocorrer dois fenômenos: os dois eventos
serão tratados como um único evento tendo sua energia e posição registrados de forma errônea,
ou os pulsos serão descartados se forem grandes o suficiente para serem discriminados pelo
analisador de tamanho de pulso (CHERRY et al., 2012).
As correções por tempo morto são mais significativas quando se usam altas taxas de
contagens, como estudos cardíacos de primeira passagem e estudos com isótopos de meia-vida
muito curta, como o 15O, que requer a inicialização do exame com alta atividade radioativa a
fim de manter a taxa de contagens suficientemente alta durante todo o procedimento. Nestes
casos, a correção por tempo morto pode chegar a um fator de 2. Os sistemas PET usam um
modelo empírico que corrige a taxa de contagens observada em função da atividade radioativa
a partir de dados experimentais. Como exemplo, a Figura 8 mostra a curva de eventos
verdadeiros, obtida para um conjunto de concentrações de atividade radioativa de 18F em um
sistema PET de alto desempenho com detector de LSO (sistema Siemens Biograph TruePoint
True V). A curva de cor laranja representa as contagens de eventos verdadeiros medidos pelo
sistema, enquanto a curva de cor azul foi obtida pela extrapolação dos pontos experimentais
para baixas concentrações de atividade. Neste exemplo, uma concentração de 10 kBq/cm³ (20
mCi em um paciente de 70 kg), a perda por tempo morto é de aproximadamente 12%, em
contraste com uma perda de 20% em um detector de BGO (BAILEY et al., 2005; CHERRY et
al., 2012). Entretanto, em simulações de concentrações usadas na prática clínica (3 kBq/cm³),
a perda por tempo morto chega a 3% (MACHADO et al., 2015).
28
Figura 8 – Correção por tempo morto
Medidas da taxa de eventos verdadeiros em função da concentração de atividade radioativa de F-18 em um PET
Siemens Biograph Truepoint TrueV. Fonte: MACHADO et al., 2015.
2.5 Algoritmos de reconstrução tomográfica
Um problema importante das técnicas tomográficas (ex: PET, SPECT, CT) é que são
obtidas imagens bidimensionais a partir de informações tridimensionais. Estas informações são
adquiridas por meio de detectores que coletam os dados em diferentes posições angulares ao
redor do paciente. Como mostra o esquema da Figura 9, para a visualização das imagens nas
três dimensões, é necessário aplicar um conjunto de operações matemáticas nas imagens
bidimensionais (projeções) conhecido como reconstrução tomográfica, que será discutido a
seguir.
200
400
600
800
1000
1200
1400
00 10 20 30 40 50 60
verdadeiros verdadeiros ext
29
Figura 9 – Imagem de projeção
Fonte: Adaptado de ZAIDI, 2006.
2.5.1 Retroprojeção Filtrada
Na PET, existem milhares de LORs sendo registradas ao mesmo tempo em ângulos ()
de 0º a 360º (Figura 10-A), em que cada conjunto de LORs paralelas formam uma projeção.
Por razões computacionais, estas projeções são armazenadas na forma de sinograma, que
registram as informações relativas à distribuição radioativa e ao respectivo ângulo da projeção.
Na Figura 10-B é mostrado um exemplo de uma fonte pontual, onde as projeções de 0º a 180º
são registradas no sinograma, que contém ao longo das linhas (r) a distribuição radioativa de
cada projeção (). Desta forma, a imagem de um corte axial f(x,y) é obtida a partir da
reconstrução tomográfica do sinograma que contém um conjunto de projeções p(r,).
O processo de reconstrução da imagem por este método é obtido com a solução analítica
da equação:
𝑓′(𝑥, 𝑦) =1
𝑁∑ 𝑝(𝑥. 𝑐𝑜𝑠
𝑖+ 𝑦. 𝑠𝑒𝑛
𝑖,
𝑖) 𝑁
𝑖=1 (5)
Em que p representa as projeções, 𝑖 representa o i-ésimo ângulo de projeção e f’(x,y) é
uma estimativa da distribuição f(x,y) em que (x,y) são as coordenadas da distribuição radioativa
no plano transaxial (CHERRY et al., 2012).
30
Uma limitação a este método de reconstrução é o problema de borramento da imagem
reconstruída conhecido como borramento 1/r, pois as contagens registradas em uma projeção
são divididas uniformemente entre os pixels que deram origem (Figura 11).
Figura 10 – Construção do sinograma. (A) Projeção de uma distribuição radioativa. (B)
Sinograma de uma fonte pontual.
Fonte: Adaptado de CHERRY et al., 2012.
Figura 11 – Borramento 1/r. (A) Retroprojeção de uma projeção na matriz. (B) Após múltiplos
ângulos.
Fonte: Adaptado de CHERRY et al., 2012.
31
Para que f’(x,y) chegue a um resultado mais próximo de f(x,y), é necessária a aplicação
da transformada de Fourier em cada projeção, passando-a ao domínio da frequência, seguida
da aplicação de um filtro rampa (passa alta) e a posterior transformada de Fourier inversa para
o espaço real na matriz reconstruída. Este processo de reconstrução é conhecido como
retroprojeção filtrada (termo em inglês, filtered backprojection – FBP). O filtro rampa
amplifica frequências espaciais mais altas, resultando na amplificação do ruído de alta
frequência. Como os detalhes das imagens, quando analisado no espaço de Fourier, têm
frequências mais altas, então a presença de mais ruído nesta faixa do espectro degrada a SNR e
o contraste das imagens. Por isso filtros adicionais são necessários para dirimir este efeito
(BIERSACK e FREEMAN, 2007; CHERRY et al., 2012).
2.5.2 Reconstrução Iterativa
Este método possui maior custo computacional em relação ao FBP, mas com o avanço
na capacidade dos computadores tem se tornando cada vez mais frequente na prática clínica.
Conforme ilustrado na Figura 12, seu princípio se baseia em encontrar a solução f(x,y) por meio
de sucessivas aproximações f*(x,y) cujos sinogramas são calculados, comparados aos
sinogramas de f(x,y), e as diferenças são usadas para ajustar a estimativa seguinte. Estes passos
são repetidos até que sejam alcançadas condições de convergência pré-definidas (CHERRY et
al., 2012). Neste modelo, os pixels pi na projeção p(r,), podem ser calculados a partir da
atividade do voxel fj da imagem estimada f*(x,y) e a matriz do sistema aij conforme a equação:
𝑝𝑖 = ∑ 𝑓𝑗∗𝑎𝑖𝑗𝑖 (6)
A matriz do sistema 𝑎𝑖𝑗 é uma função complexa que depende de aspectos físicos do
sistema de aquisição de imagens, por isso é usada para corrigir iterativamente f*(x,y) até que o
resultado seja tão próximo de f(x,y) quanto possível. Desta forma, cada iteração corresponde a
um ciclo representado na Figura 12 sobre cada uma das projeções do sinograma adquirido
p(r,).
32
Figura 12 – Reconstrução iterativa da imagem de um objeto.
Fonte: Adaptado de CHERRY et al., 2012.
Os algoritmos iterativos mais comuns na PET são os MLEM (termo em inglês,
Maximum Likelihood Expectation Maximization) e sua versão “acelerada”, os OSEM (termo
em inglês, Ordered Subset Expectation Maximization), que se tornaram possíveis na prática
clínica devido ao menor custo computacional, visto que utilizam apenas parte das projeções
(subsets) em cada iteração. Os algoritmos iterativos oferecem opções de implementação que
resultam numa melhor qualidade de imagem, pois permitem a modelagem de aspectos físicos
na matriz do sistema (equação 6), como os espaçamentos entre os blocos de detectores, as
correções de atenuação, de eventos aleatórios e de espalhamento. Os fabricantes de
equipamentos passaram a incorporar na matriz do sistema algoritmos mais modernos que
consideram o tempo de voo do fóton (termo em inglês, Time of Flight - TOF) e até a modelagem
da função de espalhamento pontual (termo em inglês, Point Spread Function - PSF) em cada
elemento detector, trazendo melhoras na qualidade das imagens reconstruídas (BAILEY et al.,
2005; ZAIDI, 2006). A inclusão da função PSF na modelagem da matriz do sistema resulta na
melhora da resolução espacial, que é limitada tanto pelas características físicas dos detectores
quanto pelo efeito da profundidade da interação (termo em inglês, depth of interaction - DOI),
que será visto na seção 2.6.1.1. Neste trabalho distinguir-se-á a reconstrução OSEM com a
modelagem da função PSF, chamando-a por reconstrução PSF. Alguns equipamentos possuem
dois tipos de reconstrução OSEM: 2D e 3D. Na opção 2D as LORs que formam as projeções
ocorrem em um mesmo plano do anel de blocos de detectores, enquanto na opção 3D são
33
consideradas linhas de reposta que correspondem a diferentes anéis e, portanto, são
reposicionadas durante a reconstrução para reduzir o problema 3D a um problema 2D em um
processo conhecido como “Fourier Rebinning” (BAILEY et al., 2005; ZAIDI, 2006).
2.5.3 Filtro passa baixa
Na formação das imagens PET sempre há presença de ruído oriundo das diversas
variáveis envolvidas. Este componente está presente em todo o espectro das frequências, mas é
nas altas frequências onde está o maior desafio, pois as imagens da PET possuem pouco sinal
nesta região do espectro. Portanto, o uso de filtros passa baixa (ex: gaussiano) em cada projeção
diminui a sua contribuição na imagem. A escolha da largura a meia altura do filtro gaussiano
(termo em inglês, full-width at half maximum – FWHM) varia conforme a qualidade dos dados
adquiridos. Quanto maior for o FWHM do filtro, mais detalhe será eliminado da imagem, uma
vez que a resolução espacial será degradada (BIERSACK e FREEMAN, 2007; CHERRY et
al., 2012). O FWHM está relacionado com o desvio padrão de uma distribuição gaussiana (σ),
pela relação:
𝐹𝑊𝐻𝑀 = 2,35 ∗ 𝜎 (7)
A principal razão de utilizar os filtros é aumentar a SNR, eliminando-se o máximo de
ruído e preservando-se o sinal tanto quanto possível. Isto é explicado pelo teorema da filtragem
combinada, o qual determina que a função que descreve o filtro deve ser tão próxima quanto
possível da função que descreve o sinal (WORSLEY et al., 1996).
2.6 Características de desempenho
A escolha de um equipamento ou de um protocolo de aquisição e processamento de
dados deve levar em consideração as características de desempenho da PET. Estas
características são declaradas pelo fabricante e podem ser medidas in loco para atestar seu
desempenho. Os fabricantes geralmente especificam as características de desempenho de
acordo com o padrão NEMA (termo em inglês, National Electrical Manufacturers Association
– NEMA), que descreve procedimentos padrão de mensuração. Assim, é possível caracterizar o
34
sistema e comparar o desempenho dos diversos modelos de equipamentos (NEMA, 2007;
IAEA, 2009; MAWLAWI e TOWNSEND, 2009).
2.6.1 Resolução espacial
Representa a capacidade de distinguir dois pontos na imagem reconstruída. A resolução
espacial da PET depende de vários fatores: i) físicos, como o alcance do pósitron e o
espalhamento Compton; ii) instrumentais ou relativos à instrumentação, como o tamanho do
cristal e sua eficiência de detecção; e iii) metodológicos, como a escolha dos parâmetros de
aquisição e reconstrução das imagens. Devido a estes fatores, ao adquirir imagens de uma fonte
radioativa pontual, seu perfil de contagens PSF será uma distribuição de Poisson, cujo FWHM
caracteriza a resolução espacial do sistema. Apesar das condições de obtenção do FWHM não
serem representativas de uma situação clínica real, dada a presença de radiação espalhada e um
número de contagens limitado, este parâmetro é útil para comparar o desempenho de diferentes
sistemas (ZAIDI, 2006; NEMA, 2007). Esta grandeza define o nível de detalhes presente na
imagem reconstruída, como o seu contorno e a detectabilidade de pequenas lesões, devido ao
efeito do volume parcial que será discutido na seção 2.7.1 (CHERRY et al., 2012).
2.6.1.1 Efeito da profundidade da interação
Os cristais relativamente espessos usados nos detectores PET (BGO ou LSO, com 2-3
cm) provocam uma degradação da resolução, chamada efeito DOI (termo em inglês, depth of
interaction). No exemplo da Figura 13, quando a fonte está próxima do centro transaxial do
tomógrafo, a resolução espacial é definida pela espessura do elemento detector (d). À medida
em que a fonte se afasta do centro, a espessura aparente do elemento detector (d’) aumenta. Isto
ocorre devido à angulação entre os blocos detectores e à falta de conhecimento sobre em qual
profundidade a interação do fóton ocorreu dentro do cristal. Como resultado deste efeito, a
resolução espacial pode ser afetada em 40% a uma distância de 10 cm do centro (CHERRY et
al., 2012).
35
Figura 13 – Efeito da profundidade da interação
Fonte: CHERRY et al., 2012.
2.6.2 Taxa de contagens equivalente de ruído
A taxa de contagens equivalente de ruído (termo em inglês, Noise Equivalent Count
Rate – NECR) é uma métrica usada para medir o desempenho das taxas de contagens em função
da concentração de atividade com uso de um simulador específico. Esta característica de
desempenho varia em função da geometria e dos componentes do equipamento e expressa a
taxa de contagens útil obtida após as correções de eventos aleatórios e espalhados:
𝑁𝐸𝐶𝑅 =𝑇2
𝑇+𝑆+𝑘𝑅 (8)
Em que T é a taxa de eventos verdadeiros, S é a taxa de eventos espalhados, R é a taxa
de eventos aleatórios e k é igual a 1 ou 2, se for usado o método de estimativa dos eventos
aleatórios baseado em eventos únicos ou janela em atraso, respectivamente (NEMA, 2007;
CHERRY et al., 2012). Na Figura 14 é mostrado um exemplo das curvas NECR de dois
sistemas com detectores LSO, em que a única diferença é a presença de um sistema com três
anéis de detectores e o outro com quatro anéis. A adição do quarto anel de detectores neste
equipamento trouxe uma melhora expressiva no NECR. Pode-se perceber que, para
36
concentrações de atividade mais altas, há uma piora do NECR, principalmente porque,
enquanto a taxa de eventos verdadeiros aumenta linearmente com o aumento da concentração,
a taxa de eventos aleatórios apresenta um comportamento quadrático (JAKOBY et al., 2009).
Figura 14 – Taxa de contagens equivalente de ruído.
B-TP: sistema biograph truepoint (três anéis de detectores), B-TPTV: sistema biograph truepoint (quatro anéis
detectores). Fonte: Adaptado de JAKOBY et al., 2009.
2.6.3 Sensibilidade
Este parâmetro indica a capacidade do sistema em detectar os eventos verdadeiros a
partir de uma quantidade conhecida de isótopo. A caracterização da sensibilidade é realizada
em uma situação que minimiza os efeitos de atenuação, espalhamento e distorções na taxa de
contagens. Para isto, são realizadas aquisições de imagens sequenciais de um tubo radio-
transparente contendo uma quantidade conhecida de 18F, envolvido por tubos de alumínio
concêntricos adicionados em cada aquisição. Na Figura 15 são ilustrados os resultados de uma
medida de sensibilidade de um sistema Siemens Biograph Truepoint TrueV. Para obtenção da
sensibilidade, a curva obtida no ajuste dos pontos experimentais (corrigidos pelo decaimento)
é extrapolada para a situação em que não há presença dos tubos de alumínio. Desta forma, a
sensibilidade pode ser calculada pela relação entre a taxa de contagens calculada analiticamente
e a atividade radioativa presente no tubo. Este método, descrito resumidamente, minimiza a
interferência da radiação intrínseca presente nos cristais LSO (NEMA, 2007; IAEA, 2009).
37
Figura 15 – Gráfico para obtenção da sensibilidade do sistema.
Fonte: MACHADO et al., 2015. Sensibilidade = 8,1 cps/kBq.
2.6.4 Qualidade da imagem
A qualidade da imagem depende de diferentes parâmetros como reconstrução,
sensibilidade, uniformidade tomográfica, resolução espacial, contraste e ruído. Um método
prático de caracterizar a qualidade da imagem é medir o contraste e ruído de imagens obtidas
com um simulador tipo IEC/NEMA. Este dispositivo possui esferas coaxiais preenchíveis com
diferentes diâmetros (10, 13, 17, 22, 28 e 37 mm) inseridas em um compartimento preenchível
(Figura 16).
38
Figura 16 – Simulador de qualidade de imagem IEC/NEMA.
Fonte: IAEA, 2009.
O simulador pode ser preenchido com concentrações conhecidas tanto nas esferas
quanto no compartimento preenchível. Um objeto contendo atividade radioativa é posicionado
próximo do dispositivo para reproduzir a situação clínica onde existe atividade externa à região
estudada. Após reconstrução das imagens, pode-se calcular o percentual de recuperação do
contraste (termo em inglês, constrast recovery coeficient – CRC) em cada esfera pela relação:
𝐶𝑅𝐶 =(𝐶𝐻−𝐶𝐵)/𝐶𝐵
(𝑎𝐻−𝑎𝐵)/𝑎𝐵×100% (9)
Em que CH é a média das contagens na região compreendida pela esfera, CB é a média das
contagens da radiação de fundo, aH é a concentração de atividade na esfera e aB é a concentração
de atividade no compartimento preenchível. O ruído das imagens pode ser calculado pelo
coeficiente de variação no compartimento preenchível (termo em inglês, background
variability – BV):
𝐵𝑉 =𝑆𝐷
𝐶𝐵×100% (10)
Em que SD é o desvio padrão das médias entre 60 ROIs (12 em cada corte: 1 central e 4
adjacentes) com áreas iguais à de CB (NEMA, 2007; IAEA, 2009). Na Figura 17 é
exemplificada uma medida de qualidade de imagem, em que as 04 esferas menores foram
preenchidas com concentrações quatro e oito vezes maior que a concentração do compartimento
preenchível, e as duas esferas maiores foram preenchidas com água. Em 17 (A), tem-se um
corte axial de uma imagem obtida com concentração 4:1. Em 17 (B), tem-se as quantificações
do contraste para concentrações de 4:1 e 8:1. O ruído está representado pelas barras de erro.
39
Figura 17 – Teste de qualidade de imagem. (A) imagem axial. (B) Quantificações dos coeficientes
de recuperação de contraste em função dos tamanhos das esferas.
Fonte: MACHADO et al., 2015.
2.7 Quantificação
As correções descritas anteriormente são aplicadas aos dados adquiridos antes da
reconstrução das imagens. Porém, após a reconstrução, a intensidade de cada voxel na imagem
deverá ser diretamente proporcional à quantidade de radioatividade naquele voxel. Desta forma,
a calibração para obter a concentração absoluta da atividade é realizada com a aquisição de
imagens de um simulador cilíndrico contendo uma concentração de atividade conhecida e
homogênea, através da relação:
𝐶𝑎𝑙 =𝑐𝑜𝑛𝑡𝑎𝑔𝑒𝑛𝑠 𝑝𝑜𝑟 𝑣𝑜𝑥𝑒𝑙
𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎çã𝑜 𝑛𝑜 𝑠𝑖𝑚𝑢𝑙𝑎𝑑𝑜𝑟 (11)
A intensidade do voxel da imagem é dividida pelo fator de calibração para obter
imagens calibradas em kBq/cm³. Para chegar à atividade absoluta em um voxel, multiplica-se
o resultado pelo volume do voxel (BIERSACK e FREEMAN, 2007; CHERRY et al., 2012). A
partir da calibração, pode-se obter uma grandeza com maior relevância clínica: a concentração
em um voxel, corrigida pelo decaimento, com relação à concentração de atividade administrada
ao paciente. Esta relação é expressa em termos do valor padrão de captação (termo em inglês,
standard uptake value – SUV) (BIERSACK e FREEMAN, 2007):
𝑆𝑈𝑉 = 𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎çã𝑜 𝑡𝑒𝑐𝑖𝑑𝑜 (µ𝐶𝑖/𝑐𝑚3)
𝑐𝑜𝑛𝑐𝑒𝑛𝑡𝑟𝑎çã𝑜 𝑖𝑛𝑗𝑒𝑡𝑎𝑑𝑎 (µ𝐶𝑖/𝑘𝑔) (12)
40
Entretanto, esta medida pode ser afetada por muitas variáveis, como o modelo do
equipamento, fatores paciente-dependentes e parâmetros de reconstrução das imagens
(ADAMS et al., 2010). Em lesões de tamanhos próximos a 10 mm, o aumento na variabilidade
das quantificações pode ser causado pelo uso de parâmetros de reconstrução que visam a
melhoria da detectabilidade das lesões (ANDERSEN et al., 2013; RAHMIM et al., 2013), pois
melhoram o efeito do volume parcial, que será detalhado a seguir.
2.7.1 Efeito do volume parcial
Quando uma fonte radioativa possui dimensões menores que 2-3 vezes a resolução
espacial da PET (em geral < 20 mm), então a medida de sua concentração radioativa será
dividida em torno deste volume, limitando a detectabilidade e a quantificação (MAWLAWI e
TOWNSEND, 2009). Pode-se notar pela Figura 18 que a esfera de 4 mm é mais dificilmente
visualizada à medida em que a resolução espacial (FWHM) aumenta.
Figura 18 – Efeito do volume parcial.
Imagens simuladas de fontes esféricas (4; 7,5; 8,5; 11; 13 e 15,5 mm de diâmetro) em sistemas PET com
diferentes resoluções espaciais (FWHM de 2 a 10 mm). Fonte: ZAIDI, 2006.
Vale ressaltar que a detectabilidade não depende apenas da resolução espacial, mas
também da concentração de atividade na fonte e no meio em que a fonte está inserida (BAILEY
et al., 2005; ZAIDI, 2006; MAWLAWI e TOWNSEND, 2009).
Embora na Figura 17 esteja retratada uma concentração de atividade imersa em uma
região de menor concentração, o mesmo raciocínio também é válido quando se estudam lesões
41
caracterizadas pela ausência de radioatividade (ZAIDI, 2006), como ocorre em estudos de
perfusão miocárdica. Porém, o presente estudo irá se limitar ao caso anteriormente especificado,
que comporta os estudos oncológicos.
As técnicas usadas para corrigir ou minimizar o efeito do volume parcial aplicam
coeficientes de recuperação em função do tamanho e forma da fonte radioativa (obtidos em
imagens anatômicas como a CT ou ressonância magnética) ou algoritmos de reconstrução que
melhoram a resolução espacial do sistema ao considerar seus aspectos físicos (BAILEY et al.,
2005; ZAIDI, 2006; MAWLAWI e TOWNSEND, 2009; ALESSIO et al., 2010).
2.8 Otimização de protocolos clínicos
Por se tratar de uma técnica radiológica, o uso da PET deve ser otimizado de maneira a
atingir os objetivos clínicos com doses de radiação tão baixas quanto possíveis, sem limitar os
benefícios ao paciente (CNEN, 2011). A crescente disponibilidade de equipamentos de alto
desempenho, softwares de reconstrução e métodos quantitativos mais modernos oferecem
novas oportunidades para a redução de doses de radiação e melhora da acurácia diagnóstica
(BOELLAARD et al., 2015).
2.8.1 Estatística de contagens
Devido à incorporação de um conjunto de características, como os cristais baseados em
LSO e o aumento do volume axial com a adição de mais elementos detectores (tecnologia
TrueV da Siemens Healthcare), os sistemas PET mais modernos podem ter um ganho de
desempenho significativo. Seus parâmetros de sensibilidade e NECR podem ser superiores aos
sistemas convencionais em 82% e 73%, respectivamente (JAKOBY et al., 2009). Isto
possibilita realizar procedimentos clínicos com menor tempo e/ou menor atividade radioativa,
pois possuem melhor capacidade de adquirir contagens (MAWLAWI e TOWNSEND, 2009).
Deste modo, deve-se investigar a relação ótima entre a atividade injetada e o tempo de aquisição
para cada equipamento e cada protocolo de reconstrução usado (MASUDA et al., 2009;
NAGAKI et al., 2011; NAMÍAS M, 2012; DE GROOT et al., 2013; BOELLAARD et al.,
2014).
Recentemente Menezes e colaboradores (2016) desenvolveram uma metodologia para
otimização de protocolos PET/CT que garante a aquisição otimizada das contagens para cada
42
perfil de paciente. Como pode-se observar na Figura 19, esta metodologia consiste na análise
retrospectiva de um conjunto de pacientes para obtenção de uma curva característica que
relaciona o ruído (coeficiente de variação2 - CV), à densidade de contagens (produto do tempo
de aquisição pela atividade corrigida - T *A[acq]) e à massa corpórea do paciente.
Figura 19 – Método analítico para uniformização da qualidade das imagens.
Fonte: MENEZES et al., 2016.
Na Figura 20 são apresentas imagens da região do fígado com diferentes níveis de ruído,
reconstruídas com o algoritmo OSEM, onde CV = 12% foi definido como uma imagem
excelente a partir de avaliações subjetivas de observadores independentes (MENEZES et al.,
2016).
2 Coeficiente de variação (CV): é um método alternativo para calcular o ruído de uma imagem, onde o desvio
padrão da equação 10 é calculado a partir das contagens entre os pixels dentro de uma região de interesse. Esta
métrica fornece informações da variabilidade pixel a pixel (ruído espacial), enquanto o BV fornece informações
da variabilidade entre regiões (ruído conjunto).
43
Figura 20 – Imagens do fígado com diferentes estatísticas de contagens.
Imagens de um paciente com 90 kg, reconstruídas com diferentes densidades de contagens. A-E com níveis de
ruído espacial: 21%, 18%, 15%, 12%, 09%. Reconstrução OSEM 3D, 3 iterações, 21 subsets, 5 mm. Fonte:
MENEZES et al., 2016.
Alguns autores demonstraram que o NECR diminui exponencialmente com o aumento
da massa corpórea do paciente (JAKOBY et al., 2009; NAMÍAS M, 2012; DE GROOT et al.,
2013; MENEZES et al., 2016). Por isto alguns estudos propuseram o incremento da
concentração radioativa ou do tempo de aquisição em pacientes com maior massa corpórea (DE
GROOT et al., 2013; MENEZES et al., 2016). Entretanto, a literatura ainda carece de
recomendações mais precisas que considere cada configuração de equipamento e algoritmo de
reconstrução usado. Na Tabela 2 são apresentados valores de referência da atividade de FDG-
F18 administrada em estudos PET/CT oncológicos.
Tabela 2 – Valores de referência para posologia de FDG-F18.
Atividade administrada¹ (mCi) por massa corpórea Referências
50 kg 75 kg 100 kg
6,8 10,2 13,6 2BOELLAARD et al., 2010
4,2 9,5 16,8 2BOELLAARD et al., 2014
2,5 5,7 10,3 3DE GROOT et al., 2013
3,4 6,6 11,5 4MENEZES et al., 2016
5-20 5-20 5-20 5ACR-SPR (2016)
¹Valores normalizados para uma aquisição de 3 minutos. ²Sistemas com overlap de aproximadamente 30%.
3Recontrução OSEM 3D: 4 iterações, 8 subsets, 4 mm. 4Recontrução OSEM 3D: 3 iterações, 21 subsets, 5 mm.
3-4 Equipamento Siemens Biograph Truepoint TrueV. 5Recomendação da referência ACR-SPR practice parameter
for performing FDG-PET/CT in oncology, 2016: valores entre 5-20 mCi para adultos.
44
Devido a este comportamento do NECR, a metodologia proposta por Menezes e
colaboradores (2016) foi derivada para diferentes grupos de massa corpórea (menor que 60 kg,
de 60 a 90 kg, e maior que 90 kg), e está sendo utilizada no Hospital São Rafael (Salvador/BA).
Com este método foi possível obter uma qualidade da imagem uniforme para toda a população
(mesmo em pacientes obesos), além de reduzir em 40-70% a atividade de FDG-F18
administrada aos pacientes (MENEZES et al., 2016). Isto é possível a partir da escolha do ruído
e da concentração de atividade (A[acq]/massa corpórea), em que o tempo de aquisição (T) é
obtido analiticamente pela equação:
CV = 𝑎 ∗ (T ∗𝐴(acq)
massa corpórea)𝑏 (13)
Em que a e b são os coeficientes da curva de ajuste e A(acq) é a atividade no momento da
aquisição de imagem (atividade injetada corrigida pelo decaimento físico). Esta metodologia
foi inserida no sistema informatizado Nuclearis, afim de utilizar a base de dados do serviço de
PET/CT para gerar o tempo de aquisição otimizado de cada paciente. Porém, as constantes das
curvas características que descrevem o comportamento do ruído devem ser determinadas para
cada equipamento e cada algoritmo de reconstrução inserido na prática clínica (NAMIAS et al,
2012; DE GROOT et al., 2013; MENEZES et al., 2016).
Na Figura 21 pode-se notar que a aplicação da reconstrução PSF resultou em uma
redução expressiva na posologia (MENEZES et al., 2016), com consequente melhoria dos
coeficientes de recuperação de contraste e, portanto, comprometimento das quantificações
(MACHADO et al., 2012; ANDERSEN et al., 2013).
45
Figura 21 – Posologia de FDG-F18 em função do algoritmo de reconstrução.
Posologia de FDG-F18 para pacientes adultos para manutenção do ruído em 12%, com o equipamento Siemens
Biograph Truepoint TrueV com as reconstruções OSEM-3D: 3 iterações, 21 subsets, 5 mm; e PSF: 2 iterações,
21 subsets, 2 mm; com um tempo de aquisição de 3 minutos. Os valores de densidade de contagens são
expressos após 1h do momento da injeção. Fonte: Adaptado de MENEZES et al., 2016.
Em outro estudo recente, Yan e colaboradores (2016) demonstraram um método para
avaliar a qualidade das imagens e a variabilidade das quantificações a partir da estatística de
contagens presentes nas regiões do pulmão e fígado. De acordo com o estudo, correlacionou-
se a estatística de contagens com parâmetros de qualidade como ruído, contraste e
detectabilidade (YAN et al, 2016). Este trabalho, que usou reconstrução PSF não harmonizada
em um equipamento PET/RM, sugere que uma posologia de aproximadamente 2,5 mCi seria
suficiente para garantir a detectabilidade e reprodutibilidade das medidas de SUV em lesões
sólidas para um paciente padrão de 75kg. Porém, é importante ressaltar que a presença de
eventos aleatórios e espalhados, que dependem do modelo do equipamento, contribuem com a
degradação da qualidade das imagens, por isso deve-se validar este método em diferentes
sistemas de PET.
y = 51,163x1,4248
R² = 0,9966
y = 16,252x1,75
R² = 0,9978
0
10000
20000
30000
40000
50000
60000
40 50 60 70 80 90 100 110
Den
sid
ade
de
con
tage
ns
(MB
q.s
)
Massa corpórea (kg)
Potência (PSF 2 mm) Potência (OSEM 5mm)
46
2.8.2 Contraste, ruído e detectabilidade
Em uma imagem de PET/CT, o contraste de uma lesão está relacionado a vários fatores
físicos e patofisiológicos. O mais importante deles é a característica histológica da doença, que
irá determinar o nível de absorção do radiofármaco (BOELLAARD et al., 2014). Entretanto, a
fim de garantir a detectabilidade de uma lesão em PET/CT, deve-se observar a relação entre o
contraste e o ruído. Esta relação foi verificada por alguns autores segundo o modelo de Rose:
considerando-se que o ruído obedece a uma distribuição normal, uma lesão será detectável com
um nível de confiança de 99,73% quando a variação do contraste em relação ao ruído, LOBV,
for maior que três (BURGESS, 1999; BETTINARDI et al., 2007; FERRETI et al., 2012):
𝐿𝑂𝐵𝑉 =𝐶𝐻−𝐶𝐵
𝑆𝐷 (14)
Associando às equações 8 e 9, temos:
𝐿𝑂𝐵𝑉 = 𝜆𝑄
𝑁 (15)
Em que
𝜆 = (𝑎𝐻 − 𝑎𝐵)/𝑎𝐵 (16)
Estudos de detectabilidade pela curva ROC (termo em inglês, receiver operating
characteristic) demonstraram que quando PSF e TOF são usados em conjunto há um ganho
expressivo da detectabilidade nas regiões do fígado e do pulmão. Entretanto, quando o PSF foi
utilizado sem a tecnologia TOF, apenas a região do pulmão teve melhoras expressivas
(SCHAEFFERKOETTER et al., 2013). Outros autores demonstraram melhora da SNR no
fígado com uso apenas da reconstrução PSF (AKAMATSU et al., 2012; MENEZES et al.,
2016).
Apesar de apresentarem bom desempenho para minimizar o ruído espacial, as
reconstruções baseadas em PSF podem degradar o ruído conjunto, obtido por meio de imagens
independentes (SCHMIDTLEIN et al, 2010; LODGE et al, 2012). Neste caso, o desvio padrão
da equação 10 é modificado:
47
𝑆𝐷𝑖 = √1
𝑅−1∑ (𝑚𝑟 − 𝑚)2𝑅
𝑟=1 (17)
onde mr é a média dos pixels na ROI em cada imagem r =1...R, com média total m.
Tong e colaboradores (2010) demonstraram que o cálculo do ruído pelas equações 10 e
17 apresenta uma correlação linear, sugerindo o uso da equação 10 quando não for possível
obter o ruído conjunto pela equação 17. Na Figura 22 é ilustrada a dependência dos tipos de
ruído em função das reconstruções OSEM e PSF e da intensidade do filtro gaussiano.
Figura 22 – Relações entre os tipos de ruído e tamanho do ROI em função do tipo de
reconstrução. (A) Variabilidade de fundo. (B) Ruído conjunto. (C) Coeficiente de variação.
Reconstruções OSEM (indicado por LOR+) e PSF (indicado por LOR+PSF+) com aplicação de diferentes filtros
gaussianos. Fonte: TONG et al., 2010.
Como visto, o ruído conjunto é uma métrica que verifica outra característica de ruído
das imagens, mas também pode ser suavizado quando o FWHM do filtro gaussiano é
intensificado (TONG et al., 2010; RAHMIM et al., 2013). Existem ainda outras métricas que
podem ser utilizadas para estudar a percepção do ruído nas imagens, como os métodos
observadores independentes e análise do espectro de ruído (termo em inglês, noise power
spectrum – NPS), que avalia o ruído presente em cada faixa do espectro das frequências. Desta
forma, pixels correlacionados podem ser melhor descritos com esta técnica (RAHMIM et al.,
2013; ALESSIO et al., 2013).
48
2.8.3 Desempenho das reconstruções PSF
A modelagem das características físicas da PET pode incluir a resposta PSF do sistema
de tal forma que, durante a reconstrução iterativa, cada LOR no par de detectores i,j será
corrigida a partir de uma função S, que incorpora efeitos da penetração do fóton e espalhamento
inter-cristal e, portanto, depende da posição da LOR ao longo do campo de visão transaxial
(termo em inglês, field of view – FOV). Assim, cada LOR na projeção p (Figura 12), será
modificada para formar a projeção corrigida P:
𝑃𝑖𝑗 = ∑ 𝑆𝑖𝑘𝑝𝑘𝑗𝑁𝑘=1 (18)
em um sistema com N possibilidades de LORs na projeção p (ALESSIO et al., 2010). Neste
caso, a matriz do sistema (equação 6) depende da função S, que é o componente da resposta
PSF usado para corrigir Pij. Na Figura 23 é exemplificada a melhoria da resolução espacial no
sistema PET General Electric Discovery STE quando implementada a reconstrução com PSF
usando-se 10 iterações, 28 subsets, tamanho de pixel de 1,37 mm e sem aplicação de filtros.
Neste caso é mostrada a resolução espacial, em função da posição radial da fonte no FOV
transaxial, para uma fonte linear de 18F nas situações sem presença de radiação de fundo (23-
A) e com a presença de radiação de fundo (23-B). Como a modelagem da função PSF corrige
a posição da LOR no campo de visão, então o resultado dependerá da função S adotada
(equação 18), por isso são mostradas na Figura 23 distintos modelos para a correção da LOR.
Para maiores detalhes sobre as implementações, recomenda-se a leitura da referência ALESSIO
et al., 2010. É possível notar a melhoria da resolução espacial (e, portanto, do efeito do volume
parcial) em todas as situações em que é usada a reconstrução PSF (ALESSIO et al., 2010).
A modelagem da reconstrução com PSF, portanto, posiciona a LOR na sua localização
geométrica real com maior exatidão, evitando distorções da função de espalhamento. Além
disto, também provoca um estreitamento no FWHM do sinal adquirido. Isto resulta na redução
do ruído das imagens e na melhora da resolução espacial (e consequentemente do contraste),
mostrando-se um campo promissor para a otimização de protocolos em PET/CT (JAKOBY et
al., 2009; TONG et al., 2010; FERRETI et al., 2012; AKAMATSU et al., 2012; MENEZES et
al., 2016). Entretanto, esta tecnologia possui características particulares que devem ser
avaliadas antes de sua introdução na prática clínica.
49
Figura 23 – Medidas da resolução espacial com diferentes reconstruções. (A) aquisição no ar. (B)
aquisição em um fundo com concentração radioativa de 200:1.
Reconstruções cujas projeções possuem posições das LORs igualmente espaçadas (OSEM), posições das LORs
corrigidas (OSEM + LOR), correções PSF com a função S invariável espacialmente (OSEM+LOR+invPSF),
correções PSF em função da posição radial (OSEM+LOR+PSF). Fonte: ALESSIO et al., 2010.
2.8.3.1 Reprodutibilidade das quantificações
Em geral, a otimização de imagens busca melhorias do sinal e/ou do ruído. Entretanto,
é importante que este processo considere dois objetivos clínicos comuns: detectabilidade e
quantificação. Para a quantificação da concentração radioativa, são necessárias medidas exatas
e reprodutíveis, mas geralmente a acurácia da quantificação é penalizada às custas de uma
melhora na detectabilidade e vice-versa. Por isso, a aplicação das reconstruções com PSF é
limitada em estudos farmacocinéticos ou no acompanhamento da resposta terapêutica. Na
realidade, as reconstruções com PSF podem melhorar a reprodutibilidade do SUVmax (devido à
redução do ruído espacial), mas degradam a reprodutibilidade do SUVmean (aumento da
variabilidade média) especialmente em lesões pequenas (ALESSIO et al., 2013). Como foi
discutido anteriormente, o efeito da reconstrução PSF tem forte dependência tanto da posição
do sinal no FOV, como também da sua distribuição espacial (tamanho da lesão). Por isso a
parametrização das quantificações com relação a outros algoritmos de reconstrução é um
grande desafio (ANDERSEN et al., 2013). Diante do exposto e tendo em vista que a redução
da densidade de contagens aumenta o ruído das imagens, pode-se inferir que a otimização de
protocolos clínicos baseados em reconstrução PSF visando reduzir a densidade de contagens
deve encontrar um nicho de aplicações nos casos em que se estudam tumores sólidos cujas
dimensões são maiores que 10 mm, desde que as quantificações estejam de acordo com as
50
recomendações da European Agency of Nuclear Medicine (EANM) (BOELLAARD et al.,
2010; LASNON et al., 2013; BOELLAARD et al., 2014; QUAK et al, 2015).
2.8.3.2 Artefatos de borda
Uma das limitações da reconstrução PSF é a formação de artefatos de borda, também
conhecido como artefato tipo anel. Isto ocorre porque uma função com descontinuidades
(transição de áreas com diferentes concentrações radioativas) é descrita por uma série de
Fourier finita, que provoca uma extrapolação mais intensa na região de descontinuidade. Em
estruturas pequenas, a extrapolação causa um pico central, mas em estruturas maiores, surgem
os artefatos de borda. Na Figura 24 é mostrado este efeito, onde (A) e (B) representam imagens
de um simulador reconstruídas pelo método OSEM e PSF, respectivamente; e (C) mostra um
perfil de contagens sobre as esferas de 8 mm e 16 mm de diâmetro (as esferas foram preenchidas
com concentração de 8:1).
Figura 24 – Artefato de bordas.
Fonte: BAI and ESSER, 2010.
51
Embora este efeito não seja completamente compreendido, uma das soluções é a
aplicação do filtro passa baixa. Aumentando-se o FWHM do filtro gaussiano utilizado nas
reconstruções, pode-se reduzir a intensidade do artefato tipo anel (RAHMIM et al., 2013).
2.8.4 Protocolos harmonizados
A despeito das dificuldades de estabelecer critérios para quantificação, faz-se necessária
uma mensuração consistente, com mínima variabilidade: i) num mesmo paciente, ii) em
pacientes distintos, iii) entre diferentes equipamentos, e iv) entre diferentes instituições. A
precisão e acurácia das quantificações são importantes para avaliar a resposta terapêutica, o
diagnóstico, o prognóstico e o estadiamento. Este nível de homogeneidade só é possível com a
adoção de protocolos harmonizados usados em ensaios clínicos (BOELLAARD et al., 2010;
BOELLAARD et al., 2014; GRAHAN et al., 2015). Dentre outros requisitos, um protocolo
harmonizado deve originar os coeficientes de recuperação de contraste da Tabela 3. Para o
cálculo destes coeficientes, a EANM recomenda uma adaptação da equação 9, sendo o CRC
medido diretamente como o quociente entre a atividade das esferas do simulador IEC/NEMA,
medida nas imagens reconstruídas (Ai) e a atividade real (Ar) presente na esfera no momento da
aquisição.
𝐶𝑅𝐶 =𝐴𝑖
𝐴𝑟𝑥100% (19)
Tabela 3 – Coeficientes de recuperação de contraste.
Esferas (mm) % CRC mínimo % CRC máximo
37 76 (95) 89 (116)
28 72 (91) 85 (113)
22 63 (83) 78 (109)
17 57 (73) 73 (101)
13 44 (59) 60 (85)
10 27 (31) 38 (49)
Valores de recuperação de contraste para as esferas do simulador IEC/NEMA com concentração 10:1. Os valores entre parênteses representam o valor máximo do pixel. Fonte: New EANM FDG PET/CT accreditation
specifications for SUV recovery coefficients. 2011.
52
Assim, a caracterização das quantificações é fundamental para conhecer os limites dos
protocolos empregados na prática clínica (SUNDERLAND et al., 2015). Lasnon e
colaboradores (2013) demonstraram que a reconstrução PSF pode ser empregada em
conformidade aos protocolos harmonizados, preservando o valor clínico das quantificações,
mas a decisão pelo seu uso deve considerar o objetivo clínico do exame (RAHMIM et al., 2013;
ALESSIO et al., 2013; LASNON et al., 2013). Neste contexto, a modelagem da PSF durante a
reconstrução com aumento do filtro gaussiano para harmonização do protocolo não oferecerá
melhoria na resolução espacial do sistema, a fim de preservar as quantificações. Por outro lado,
o ganho clínico nesta melhoria da resolução espacial é controverso (ALESSIO et al., 2013),
tendo em vista que não há evidências clínicas de ganhos no valor preditivo e prognóstico da
PET (van HEIJL et al., 2010; HATT et al., 2012; MAISONOBE et al., 2013). Por isto,
comparando-se as reconstruções harmonizadas OSEM e PSF, ambas possuem valores de
contraste equivalentes, então a redução do ruído na reconstrução PSF harmonizada pode trazer
novas perspectivas para a redução da posologia do radiofármaco em tumores sólidos, ao mesmo
tempo em que preserva a quantificação conforme recomendações da EANM.
53
3. MATERIAL E MÉTODOS
O estudo foi realizado em duas etapas independentes, onde foram avaliadas imagens do
simulador IEC/NEMA (etapa 1) e imagens clínicas de PET/CT oncológico (etapa 2), com os
seguintes objetivos específicos: 1.a) compreender os valores de contraste (detectabilidade) das
imagens PET/CT em função das reconstruções OSEM-2D e PSF; 1.b) caracterizar a
conformidade das quantificações (harmonização pelo critério EARL) das imagens de PET/CT
com reconstrução PSF em função da densidade de contagens na aquisição das imagens; e 2.a)
identificar o ruído no fígado em exames típicos com reconstrução PSF harmonizada e comparar
o ruído obtido na reconstrução OSEM-3D harmonizada; 2.b) caracterizar o ruído em função da
densidade de contagens e determinar valores de referência para servirem como indicador de
garantia da qualidade na prática clínica. Na Figura 25 está representada uma visão geral do
delineamento metodológico deste trabalho.
Figura 25 – Quadro resumo de objetivos específicos.
Fonte: O autor.
As imagens PET/CT foram adquiridas e processadas no Hospital São Rafael (Salvador-
Bahia) conforme aprovação do comitê de ética em pesquisa (protocolo:
27558714.4.0000.0048). O sistema PET utilizado é baseado em LSO (marca Siemens, modelo
Biograph TruePoint TrueV, Knoxville, TN, USA) acoplado a um CT helicoidal de 16 canais
(marca Siemens, modelo Emotion 16). O componente PET adquire múltiplas projeções em 3D
e consiste em um anel adicional de 48 blocos detectores, cada um com 13x13 cristais (4x4x20
54
mm³) conectados a quatro fotomultiplicadoras. Esta configuração resulta um FOV axial de 216
mm e um FOV transaxial de 700 mm de diâmetro. As imagens foram reconstruídas em uma
matriz com tamanho do voxel de 4,07 x 4,07 x 3,00 mm³ com algoritmo PSF usando 3 iterações,
21 subsets e filtro gaussiano de 7 mm (LASNON et al., 2013). Todas as reconstruções foram
corrigidas para tempo morto, normalização, eventos aleatórios, espalhamento e atenuação. Nos
experimentos com pacientes e com o simulador IEC/NEMA para harmonização as imagens
foram analisadas com o sistema Syngo.VIA versão VA30 (Siemens Healthcare), enquanto nos
estudos de detectabilidade com o simulador IEC/NEMA as imagens foram analisadas com uma
rotina automática desenvolvida em IDL 6.1 Research Systems, Inc. Os gráficos e as análises
estatísticas foram gerados com o software OriginPro 9.0.0 (OriginLab Corporation,
Northampton, MA, USA).
3.1 Simulador IEC/NEMA
O simulador de qualidade de imagem IEC/NEMA foi usado para i) confirmar a
detectabilidade em tumores sólidos, e ii) avaliar a harmonização dos algoritmos de reconstrução
em relação aos padrões estabelecidos (BOELLAARD et al., 2010).
3.1.1 Detectabilidade
Para avaliar a influência do ruído na detectabilidade em uma situação clínica com tumores
acima de 10 mm, o simulador IEC/NEMA foi preenchido com uma concentração de 4,0
kBq/cm³ e tempo de aquisição total de 3 minutos. As esferas foram preenchidas com uma
concentração de 4:1 para simular o caso de absorção mínima das lesões (esferas) e foi usado o
simulador de espalhamento NEMA (~21 kg) preenchido com 74 MBq para considerar a
presença de atividade radioativa fora do FOV (NEMA, 2007). As imagens foram reconstruídas
com diferentes parâmetros de reconstrução a fim de investigar se a detectabilidade é um
parâmetro crítico em estudos de tumores sólidos. Desta forma, foram usadas as reconstruções
OSEM-2D e PSF com 1 a 8 iterações e 21 subsets, ambas com filtro gaussiano de 5mm, e
reconstruções PSF adicionais (1 a 8 iterações e 21 subsets) sem filtro e com filtro gaussiano de
2mm para simular condições de melhor resolução espacial. Em seguida, as imagens foram
processadas conforme o protocolo NEMA (NEMA, 2007), extraindo-se o valor médio dos
55
pixels nas esferas e no compartimento para calcular o coeficiente de recuperação de contraste
(CRC) e o ruído, conforme comentado nas equações 9 e 10.
3.1.2 Caracterização e variabilidade do protocolo harmonizado
Para confirmar a aderência dos protocolos de aquisição e reconstrução aos critérios de
harmonização, foram realizados três experimentos com o simulador de qualidade de imagens
IEC/NEMA. Para cada experimento foram realizadas três aquisições de imagens sequenciais
que resultou em um total de nove aquisições. O simulador de qualidade de imagens IEC/NEMA
foi preenchido com aproximadamente 2,0 kBq/cm³ de 18F e as esferas foram preenchidas com
uma proporção de 10:1 de 18F, calibrado para o horário da segunda aquisição. Na Tabela 4 é
mostrada a atividade (A) presente no simulador IEC/NEMA no momento da aquisição das
imagens, a duração da aquisição (T) e a densidade de contagens (DC). Assim, foram geradas
imagens com diferentes densidades de contagens e, portanto, diferentes níveis de ruído a fim
de verificar a reprodutibilidade das quantificações em cada condição. As aquisições foram
realizadas utilizando-se de duas posições de mesa como ocorre numa situação clínica real e,
com o auxílio do topograma, as esferas do simulador foram posicionadas na região central da
sobreposição (termo em inglês, overlap).
Tabela 4 – Densidade de contagens no simulador IEC/NEMA.
Experimento 1 Experimento 2 Experimento 3
A
(MBq)
T
(seg)
DC
(MBq.s/kg)
A
(MBq)
T
(seg)
DC
(MBq.s/kg)
A
(MBq)
T
(seg)
DC
(MBq.s/kg)
23 600 1391 23 480 1116 23 420 958
19 240 475 19 180 346 19 180 344
18 60 110 16 60 102 18 60 107
Cálculo da densidade de contagens em cada aquisição de imagem do simulador IEC/NEMA. A densidade
de contagens é calculada como o produto entre a duração da aquisição e a atividade presente no simulador no
momento da aquisição, normalizado pela massa do simulador. A: Atividade; T: duração da aquisição das imagens;
DC: Densidade de contagens. Massa do simulador IEC/NEMA preenchido com água = 9,4 kg.
Todas as imagens foram reconstruídas com a reconstrução PSF com 3 iterações, 21
subsets e filtro gaussiano de 7 mm (LASNON et al., 2013) a fim de verificar a conformidade
das quantificações em relação às recomendações de harmonização da European Association of
Nuclear Medicine and Molecular Imaging (BOELLAARD et al., 2010; EARL, 2016).
56
O ruído das imagens foi calculado a partir do coeficiente de variação (CV) em um volume
de interesse (termo em inglês, volume of interest – VOI) de 3 cm de diâmetro localizado na
parte lateral do simulador IEC/NEMA, conforme ilustrado na Figura 26.
Figura 26 – Posição do volume de interesse no simulador IEC/NEMA para cálculo do
coeficiente de variação.
Fonte: O autor.
Os coeficientes de recuperação de contraste das esferas foram calculados a partir do
pixel de valor máximo (CRCmáx) de cada esfera para simular o comportamento do SUVmáx.
Desta forma, o CRCmáx de cada esfera foi calculado pela equação 19 usando-se a razão entre
a concentração de atividade medida na imagem e a concentração de atividade real medida no
calibrador de dose. É importante ressaltar que a calibração cruzada entre o calibrador de dose e
o sistema PET (equação 11), que corrige a atividade medida no sistema PET em relação à
atividade medida no calibrador de doses, foi realizada em uma periodicidade inferior a 90 dias.
3.2 Exames PET/CT oncológicos
3.2.1 Parametrização do ruído
Foram selecionados de forma aleatória, prospectivamente, 48 exames PET/CT de
pacientes (massa corpórea de 69 ± 15 kg, variação: 36-102 kg) encaminhados para estudos
oncológicos entre 01/12/2015 e 29/01/2016, seguindo o protocolo clínico do Hospital São
Rafael (Salvador/BA), com critérios de exclusão de metástase hepática, hiperglicemia no
VOI
57
momento da injeção ou um atraso maior que 90 min entre a hora da injeção e a aquisição das
imagens. As imagens foram adquiridas com uma densidade de contagens de FDG-F18 de 397
± 68 MBq.s/kg (variação: 221-612 MBq.s/kg) e reconstruídas com algoritmo OSEM-3D
usando-se 3 iterações, 21 subsets e filtro gaussiano de 5mm. Adicionalmente, as imagens foram
reconstruídas com o protocolo de reconstrução PSF usando-se 3 iterações, 21 subsets e filtro
gaussiano de 7mm (harmonizado).
O ruído na região do fígado foi estimado pelo coeficiente de variação (CV) nas
reconstruções OSEM-3D e PSF, com a finalidade de parametrizar o CV na reconstrução PSF e
usá-lo como referência. Para calcular o CV foi usado um VOI com 3 cm de diâmetro
posicionado na secção do fígado com maior dimensão. Adotou-se o CV no fígado, pois esta
métrica tem sido usada por outros autores como parâmetro de qualidade de imagem (MASUDA
et al., 2009; AKAMATSU et al., 2012; NAMIAS, 2012; DE GROOT et al., 2013; MENEZES
et al., 2016; YAN et al., 2016).
3.2.2 Otimização de protocolos com reconstrução PSF harmonizada
A fim de caracterizar o ruído da reconstrução PSF harmonizada em diferentes
densidades de contagens para uma população de pacientes, foram utilizados 40 pacientes
(massa corpórea de 70 ± 16 kg, variação: 45-120 kg) do banco de imagens em modo lista3
produzido no estudo de Menezes e colaboradores (2016).
As imagens dos 40 pacientes foram reconstruídas em intervalos incrementais de 1 a 4
min (4 imagens por paciente), resultando em 160 imagens na região do fígado, adquiridas com
densidade de contagens de 330 ± 162 MBq.s/kg (variação: 87-792 MBq.s/kg).
Os valores de CV na região do lobo direito do fígado foram calculados aplicando-se a
mesma metodologia da seção anterior e avaliados em função da densidade de contagens
(T*A[acq]/massa corpórea). A curva de ajuste dos pontos foi determinada conforme a equação
13, com cujos coeficientes pode-se determinar o ruído em função da densidade de contagens.
Os valores obtidos de CV foram avaliados em intervalos de 100 MBq.s/kg (<200, 200-300,
300-400, 400-500, >500) e a variância em cada segmento foi tomada como uma medida de
dispersão.
3Modo lista: método de aquisição em que os dados são organizados de modo a permitir sua indexação no tempo.
Desta forma, uma aquisição feita durante um tempo T, pode ser reconstruída em qualquer tempo t: 0 -> T (BAILEY
et al., 2014)
58
3.3 Validação estatística
Para os experimentos realizados com o simulador IEC/NEMA, a fim de atender aos
critérios de harmonização, foram definidos como aceitáveis os valores de ruído no qual a
variabilidade de CRCmáx estivesse em acordo aos limites recomendados (EARLmin e EARL
max), assumindo que a variabilidade representa o valor da média (n=3) mais ou menos um
desvio padrão.
Para o modelo clínico, foram utilizados: 1) os valores de coeficiente de determinação
(R2) das curvas de ajuste obtidas, avaliando a aderência do modelo matemático aos dados
clínicos; 2) teste de normalidade dos resíduos da curva de ajuste pelo método Shapiro-Wilk; 3)
teste F para comparar as variâncias de CV em diferentes densidades de contagens
(considerando-se que, se a variabilidade de CV afeta a harmonização de CRCmáx no simulador
IEC/NEMA, afeta também a quantificação em pacientes); e 4) a média de densidade de
contagens da etapa de parametrização do ruído para predizer o CV pelo modelo analítico da
curva de ajuste; assim os resultados de CV podem ser comparados. Nestas análises, o valor de
p<0,05 foi considerado como estaticamente significativo.
59
4. RESULTADOS E DISCUSSÃO
4.1 Simulador IEC/NEMA
4.1.1 Verificação da detectabilidade
A Figura 27 mostra os resultados dos coeficientes de recuperação de contraste (equação
9) em função do ruído (variabilidade de fundo, equação 10) para as reconstruções OSEM-2D e
PSF com distintos filtros gaussianos. Cada ponto representa uma imagem com iterações de 1-8
e 21 subsets.
Figura 27 – Coeficientes de recuperação de contraste para uma esfera de 10 mm de diâmetro.
Valores de contraste em função do ruído (variabilidade de fundo) para as reconstruções OSEM-2D e PSF
do equipamento Siemens Biograph Truepoint True V. OSEM-2D G5: Reconstrução OSEM-2D com filtro
gaussiano de 5mm. Reconstruções PSF ALL, G2, G5: Reconstruções PSF com filtros gaussiano de 0mm, 2mm e
5mm, respectivamente. Fonte: o autor.
Note-se que, de acordo com a equação 14, para todas as configurações de reconstrução
exemplificadas na Figura 27, uma lesão maior que 10 mm imersa em uma região com radiação
de fundo de pelo menos 4:1 de concentração será detectada para um amplo espectro de ruído e
contrastes. Para lesões <10 mm, entretanto, é necessário caracterizar a detectabilidade em
função de diferentes configurações de reconstrução. Em geral, tendo em vista que os algoritmos
60
que fornecem melhor detectabilidade têm coeficientes de recuperação de contraste mais altos
que os recomendados pela EANM, recomenda-se usar uma imagem otimizada para detecção e
outra imagem para quantificação (LASNON et al., 2013; BOELLAARD, 2016). Mais
recentemente, no entanto, alguns fabricantes já implementaram uma solução em que é possível
obter a informação da quantificação harmonizada na mesma imagem de detecção a partir de
pós processamento adicional incluindo um filtro gaussiano (QUAK et al., 2015;
BOELLAARD, 2016).
4.1.2 Protocolos harmonizados
Na Figura 28 é mostrada a caracterização do ruído em função da densidade de contagens
presente em cada imagem. Como era esperado, o ajuste potencial dos pontos experimentais
apresentou um excelente coeficiente de determinação (R² = 0,856), embora seja possível notar
no gráfico que os pontos com menor densidade de contagens (maior ruído) apresentam maior
variabilidade. Este fato deve-se a limitação da estatística de Poisson adotada para o modelo do
coeficiente de variação em contagens muito baixas.
Figura 28 – Curva característica de ruído no simulador IEC/NEMA em função da densidade de
contagens na aquisição das imagens.
Fonte: o autor.
0 200 400 600 800 1000 1200 1400
0,00
0,02
0,04
0,06
0,08
0,10
0,12
0,14
0,16
0,18
Potência
Y=1,13579*X-0,427
R²=0,856
Co
eficie
nte
de
Va
ria
ça
o
Densidade de contagens (MBq.s/kg)
61
Na Figura 29 são apresentados os valores médios de CRCmáx de cada esfera do
simulador IEC/NEMA para cada nível de densidade de contagens. As barras de erro nos
gráficos são uma representação do desvio padrão entre as três aquisições com densidade de
contagens equivalentes, enquanto as linhas pontilhadas representam os valores limites
recomendados pela EANM, sendo EARLmin e EARLmáx os limites mínimo e máximo,
respectivamente.
Figura 29 – Coeficientes recuperação de contraste do simulador IEC/NEMA para diferentes
densidades de contagens.
CRCmáx: valor máximo do coeficiente de recuperação de contraste. EARLmin e EARL máx, limites mínimo e
máximo, respectivamente, dos valores máximo de recuperação de contraste conforme o guia da EANM. Fonte: o
autor.
Tendo em vista as recomendações da EANM (BOELLAARD et al., 2010), a densidade
de contagens empregada na aquisição das imagens clínicas deve ser a mesma usada no
simulador IEC/NEMA que resulta em conformidade dos CRC. Desta forma, os resultados
apresentados na Figura 29 sugerem que uma densidade de contagens de aproximadamente 350
62
MBq.s/kg (corresponde a uma injeção de 512 MBq.s/kg com 60 min de tempo de captação)
deve resultar em um protocolo de aquisição com uma variabilidade da quantificação aceitável,
que corresponde a um ruído no simulador de qualidade de imagem de aproximadamente 8,4%
(Figura 28). Confrontando-se estes resultados ao gráfico da Figura 21, para o protocolo PSF
com filtro gaussiano de 2mm (não harmonizado), mostra-se que densidades de contagens
próximas de 350 MBq.s/kg resultam numa quantificação com variabilidade aceitável, como
outros autores demonstraram em simulações com concentrações de 320 MBq.s/kg (LASNON
et al., 2013). Isto significa que se pode usar o protocolo PSF com filtro gaussiano de 2mm com
atividades menores (MENEZES et al, 2016) para gerar uma imagem com melhor
detectabilidade (resolução espacial) e reconstruir uma imagem adicional com filtro de 7mm
para alcançar quantificações harmonizadas e reprodutíveis. Vale ressaltar que é possível que
regimes de atividade ainda menores possam gerar resultados satisfatórios, pois o espectro entre
110-320 MBq.s/kg não foi avaliado quanto à reprodutibilidade das quantificações neste
trabalho.
Por meio do programa de acreditação de equipamentos PET/CT (EARL, 2016), a EANM
indica que os protocolos de aquisição podem ser otimizados adotando-se procedimento idêntico
ao apresentado neste trabalho, ou seja, realizando experimentos no simulador IEC/NEMA com
densidade de contagens decrescentes, até o ponto em que os valores de CRC atendam aos
limites (também conhecidos como EARLmin e EARLmax) e desde que o ruído não seja
superior a CV = 15% (BOELLAARD et al, 2013; KOOPEMAN et al., 2016).
Em outro estudo, Akamatsu e colaboradores (2015) também avaliaram a variabilidade do
CRCmáx (ou SUVmáx) em um sistema PET/CT com reconstrução TOF (marca GE healthcare,
modelo Discovery-690) e determinaram que, em um ruído de fundo CV < 10%, o desvio padrão
de CRCmáx é σ < 10%. Neste mesmo estudo, os autores demonstraram que o aumento de CV
está associado ao aumento de CRCmáx e do desvio padrão de CRCmáx (σ). Como se pode
observar nas Figuras 28 e 29, a densidade de contagens próxima de 104 MBq.s/kg, na média,
resulta em CRCmáx e CV dentro dos limites recomendados pela acreditação EARL, mas é
notório que a variabilidade ultrapassa estes limites. Portanto, tendo em vista a aplicação da
reconstrução PSF harmonizada (LASNON et al., 2013; QUAK et al., 2015), fica claro que se
devem adotar limites menores de ruído nestes casos, visando reduzir o valor médio de CRCmáx
e sua variabilidade (σ) de tal forma estejam em conformidade com o guia da EANM
(HOEKSTRA et al, 2014). Além disto, os resultados sugerem que se deve adotar um número
mínimo de medidas para garantir que os resultados de CRC estejam com variabilidades dentro
dos limites EARLmin e EARLmáx.
63
Uma vez que este modelo simplifica uma situação clínica a partir de experimentos com
o simulador de qualidade de imagens IEC/NEMA, outras hipóteses devem ser consideradas
para tornar o estudo mais robusto, como será visto nas sessões seguintes.
4.2 Exames de PET/CT oncológico
4.2.1 Parametrização do ruído
Devido às diferenças na estrutura do ruído entre as reconstruções OSEM e PSF, seus
valores de ruído não podem ser comparados diretamente. Assim, devem-se determinar quais os
valores de ruído da reconstrução PSF equivalentes aos valores de ruído da reconstrução OSEM.
Na Figura 30 é mostrada a comparação dos valores de CV entre as reconstruções OSEM e PSF
quando são utilizadas as densidades de contagens do protocolo clínico padrão, em que se
verifica CV = 11,7 ± 1,8% na reconstrução OSEM corresponde ao CV = 6,7 ± 1,2% na
reconstrução PSF harmonizada.
Figura 30 – Box plot dos valores de ruído (CV) das reconstruções OSEM e PSF harmonizadas.
Comparação do ruído (CV) na região do fígado entre as reconstruções OSEM e PSF. Massa corpórea =
69 ± 15 kg, variação: 36-102 kg. Fonte: o autor.
Vale ressaltar que, para pacientes próximos de 75kg (60-90 kg, n = 27) e para uma
densidade de contagens de 407 MBq.s/kg, observa-se CV = 6,4 ± 1,0% na reconstrução PSF
harmonizada. Para estes mesmos indivíduos, utilizando-se a reconstrução OSEM, obtém-se um
64
ruído próximo de CV = 12% (MENEZES et al., 2016). Assim, é importante observar que, como
ambos os protocolos OSEM e PSF estão harmonizados de acordo à EANM, então seus
coeficientes de recuperação de contraste são próximos. Entretanto, a reconstrução PSF
harmonizada gera um ruído estatístico 1,85 vezes menor, o que sugere que esta reconstrução
forneça mais vantagens quanto à detectabilidade de lesões com menor captação do
radiofármaco (equação 14).
Conforme visto na seção 4.1.2, uma densidade de contagens de 350 MBq.s/kg pode gerar
resultados quantitativos satisfatórios em pacientes. Para tanto, o ruído da reconstrução PSF
harmonizada deve ser caracterizado para diferentes densidades de contagens em pacientes,
como será visto na seção seguinte.
4.2.2 Otimização de protocolos com reconstrução PSF harmonizada
A partir do gráfico da Figura 31, em que os valores de CV na região do fígado estão
plotados em função da densidade de contagens, pode-se estimar qual o ruído no fígado de um
paciente para determinada densidade de contagens, a partir da função representada pela linha
vermelha que é a curva de ajuste potencial dos pontos de CV, conforme a equação 13. Desta
forma, a densidade de contagens de 407 MBq.s/kg, abordada na seção anterior, resulta em CV
= 6,7%, o que está em concordância à hipótese para pacientes entre 60-90 kg (CV = 6,4%).
Desta forma, se for utilizada a densidade de contagens de 350 MBq.s/kg discutida na seção
anterior para o simulador IEC/NEMA, será encontrado um ruído de aproximadamente CV =
7,1% na região do fígado, que pode ser usado como uma medida de garantia da qualidade na
rotina de exames.
Uma das limitações deste arranjo experimental é que foram usadas imagens com atrasos
de até 30 min após o tempo de captação, o que aumenta a variabilidade do ruído quanto maior
for este atraso devido às diferenças na biodistribuição do radiofármaco na região do fígado.
Sabe-se, entretanto, que o uso da tecnologia da informação pode auxiliar na redução destes
atrasos com uma gestão mais eficiente da rotina de exames, possibilitando melhorar a
padronização dos tempos de atraso em até 10 min como recomendado pela EANM
(MACHADO et al, 2016; EARL, 2016).
Ressalta-se ainda que para alcançar imagens sempre com o mesmo ruído, o modelo
matemático que descreve a posologia (ou densidade de contagens) em função da massa
corpórea é diferente para as reconstruções OSEM e PSF (Figura 21). Alguns autores
recomendam um ajuste quadrático em função da massa corpórea (DE GROOT et al, 2013;
65
KOOPEMAN et al, 2016), mas como sugere a Figura 21, ao determinar mais precisamente os
coeficientes da função potencial o regime de dose pode ser melhor otimizado.
Figura 31 – Curva característica de ruído na região do fígado para a reconstrução PSF
harmonizada.
Fonte: O autor.
Como se pode notar na Figura 31, o coeficiente de determinação (R²) é menor que o
encontrado por outros autores que estudaram modelos similares (NAMIAS et al, 2012;
MENEZES et al, 2016). Isto pode ser explicado porque neste trabalho optou-se por gerar um
conjunto menor de imagens, a partir de cada aquisição em modo lista, sendo usadas apenas 4
imagens por paciente com aquisições de 1-4 min, o que resultou em poucos valores na região
acima de 700 MBq.s/kg, dificultando o ajuste aos pontos experimentais. Entretanto, o teste de
normalidade dos resíduos, apresentado na figura 32, representa uma comprovação da aderência
do modelo.
0 100 200 300 400 500 600 700 800 900
0,00
0,02
0,04
0,06
0,08
0,10
0,12
0,14
0,16
Y= 0,770* X-0,405
R2= 0,67
Co
eficie
nte
de
Va
ria
ça
o
T.BED x Concentraçao (MBq.s/Kg)
CV
Potencia CV
66
Figura 32 – Histograma dos resíduos da regressão da curva característica de ruído e teste de
normalidade pelo método Shapiro-Wilk.
Fonte: O autor.
A metodologia desenvolvida neste trabalho é capaz de predizer o ruído de um exame,
com menor custo experimental em relação a outros métodos similares (NAMIAS et al, 2012;
MENEZES et al, 2016), tendo em vista que o processamento e a quantificação das imagens
representam um expressivo custo experimental. Além disso, uma observação importante na
comparação dos valores de CV obtidos na etapa de parametrização com o valor calculado pelo
método analítico usando a densidade de contagens média da etapa de parametrização, refere-se
ao fato de que, no primeiro, as imagens foram adquiridas com mais de uma posição de mesa,
enquanto as imagens em modo lista foram adquiridas com uma única posição da mesa. Esta
validação prospectiva comprova também que não há distinção no resultado de CV em relação
a usar uma ou mais posições de mesa.
Como discutido anteriormente, a quantificação do CRCmax (SUVmax) está
diretamente ligada ao ruído da imagem, onde são esperados valores mais elevados de CRCmax
à medida em que o ruído aumenta (AKAMATSU et al, 2015). Assim, a variabilidade do
SUVmáx aumenta com a variabilidade do ruído. Fica claro, portanto, que usar o valor de ruído
na rotina clínica como um indicador de garantia da qualidade requer que esta grandeza seja
reprodutível, com mínima variabilidade. Como visto na seção 4.1.2, é possível que o espectro
entre 111-320 MBq.s/kg resulte em valores harmonizados de CRCmax, mas esta região não foi
avaliada quanto à reprodutibilidade das quantificações. Porém, uma evidência do bom
desempenho da região entre 200-300 MBq.s/kg está apresentada na Figura 33, onde a região
abaixo de 200 MBq.s/kg se destaca pela maior variabilidade do valor de ruído, em que o teste
-0,03 0,00 0,03
0
20
40
60
Teste Shapiro-Wilk
W=0,359
Normal, p<0,05
Qu
an
tid
ad
e
Residuos
Residuos
67
F resultou que as variâncias de CV para 100-200 e 200-300 MBq.s/kg são significativamente
diferentes (p = 0,007), enquanto para 200-300 e 300-400 não há diferença significativa entre as
variâncias de CV (p = 0,69), ao menos na região do fígado. Desta forma, o espectro entre 200-
300 MBq.s/kg será mais explorado em trabalhos futuros, dada a hipótese de que as
quantificações podem ser reprodutíveis neste espectro de densidade de contagens. Como
ferramenta de controle de qualidade na rotina clínica, entretanto, a posologia maior que 200
MBq.s/kg é capaz de predizer o resultado de CV com mesmo grau de confiança.
Figura 33 – Variabilidade do ruído na região do fígado para a reconstrução PSF
harmonizada.
σ²: variância. Fonte: O autor.
Vale ressaltar que os valores de posologia indicados se referem a um paciente padrão
de 75 kg. Alguns autores sugerem que a densidade de contagens seja ajustada por uma função
quadrática proporcional à massa corpórea do paciente (KOOPEMAN et al, 2016; DE GROOT
et al, 2013). Entretanto, a análise da Figura 21 demonstra que a densidade de contagens é
melhor ajustada por coeficientes dependentes da reconstrução utilizada (MENEZES et al,
2016). Desta forma, adotando-se 350 MBq.s/kg como a densidade de contagens padrão
(paciente de 75kg) usando a reconstrução PSF harmonizada, então a densidade de contagens
usada para diferentes massas corpóreas deverá ser ajustada conforme a fórmula 𝐷𝐶 =
68
26.250 ∗ (𝑚
75)1,4248, em que DC é a densidade de contagens em MBq.s e m é a massa corpórea
do paciente.
Retomando a discussão sobre a necessidade de novas recomendações de ruído para
experimentos com o simulador IEC/NEMA, se a posologia no simulador e no paciente estão
correlacionadas e, assumindo que a densidade de contagens acima de 200 MBq.s/kg fornece
resultados confiáveis, então a recomendação de ruído neste tipo de protocolo deve ser CV <
10,8%, conforme pode-se observar substituindo o valor da densidade de contagens no modelo
analítico da Figura 28. Porém, os resultados de reprodutibilidade de CRCmáx precisam ser
verificados para esta densidade de contagens.
Ressalta-se ainda que as evidências aqui apontadas são válidas para o equipamento
usado neste trabalho com a respectiva configuração de reconstrução. Esta metodologia pode ser
aplicada em outros modelos de equipamentos que possuem características próprias de
desempenho, como sensibilidade, NECR, entre outras exploradas na seção 2.1. De maneira
geral, sistemas que possuem maior sensibilidade, ou melhores características de ruído (ex:
NECR), devem possibilitar o uso de densidade de contagens ainda menores.
Novas perspectivas para a otimização de protocolos com propósitos quantitativos
surgem com o advento de métricas mais modernas, como exemplo o SUVpeak, que tem se
demonstrado mais reprodutível em diferentes contextos de ruído (LODGE et al, 2012; SHER
et al, 2016). Por definição, o SUVpeak é calculado a partir da quantificação automática da
máxima captação em um volume de aproximadamente 1,2 cm de diâmetro contido dentro do
VOI que engloba a região do tumor (BOELLAARD et al, 2010). A partir das medidas
realizadas no simulador IEC/NEMA com densidade de contagens de 106 ± 4 MBq.s/kg, pode-
se perceber, conforme resultados apresentados na Tabela 5, que o SUVpeak é uma alternativa
mais robusta para acessar a quantificação de lesões tumorais, como já demonstrado por outros
autores (LODGE et al, 2012; SHER et al, 2016).
69
Tabela 5 – Reprodutibilidade das quantificações de CRCmáx e CRCpeak no simulador
IEC/NEMA.
Esferas (mm) σ (CRCmáx) σ (CRCpeak)
10 5% 2%
13 10% 5%
17 10% 4%
22 10% 5%
28 13% 9%
37 16% 10%
Valores obtidos a partir de três medidas do simulador IEC/NEMA com baixa densidade de contagens (106
± 4 MBq.s/kg). σ: desvio padrão amostral. Fonte: O autor.
A menor variabilidade do SUVpeak em baixas densidades de contagens ocorre devido
a esta métrica apresentar menor dependência em relação ao ruído. Embora ainda não exista na
literatura uma recomendação dos valores de recuperação de contraste ponderados pelo
SUVpeak para harmonizar as quantificações entre diferentes equipamentos ou departamentos
de PET/CT, este tipo de quantificação abre novos horizontes para aplicações em PET/CT com
densidades de contagens próximas de 106 MBq.s/kg, ou seja, uma atividade injetada de
aproximadamente 2 mCi em um paciente de 75 kg com tempo de aquisição de 3 min para o
modelo de equipamento usado neste trabalho.
70
5. CONCLUSÃO
Neste trabalho foi desenvolvido um protocolo otimizado de FDG-F18 PET/CT
oncológico com reconstrução PSF aplicada em tumores sólidos, conforme os critérios de
quantificação recomendados pela EANM (programa EARL). Desta forma, o protocolo proposto
permite reduzir os custos com radiofármacos e as doses de radiação aos pacientes com base na
redução da posologia de FDG-F18, nas tecnologias disponíveis e no propósito clínico do exame.
Com a metodologia derivada deste estudo, os centros de PET/CT podem: i) caracterizar e
padronizar a variabilidade das quantificações de 18F no simulador IEC/NEMA em função da
densidade de contagens empregada (ou ruído, Figuras 28 e 29), tal que os valores de CRCmáx
± σ que estejam entre os limites EARLmin e EARLmáx sejam considerados em conformidade
com os critérios EARL; ii) identificar a densidade de contagens mínima usada no protocolo de
aquisição das imagens desde que critérios de harmonização (isto é, valores de CRCmáx ± σ)
não ultrapassem os limites EARLmin e EARLmáx; e iii) usar a curva característica do ruído na
região do fígado para determinar a densidade de contagens ótima a fim de manter o ruído
controlado em exames e ensaios clínicos, visto que a maior variabilidade do ruído está
relacionada a problemas de quantificação.
Em estudos clínicos que requerem alta detectabilidade de pequenas lesões (< 10mm) a
reconstrução PSF não harmonizada (ex: filtro gaussiano de 2mm) pode ser usada com menor
densidade de contagens mantendo a qualidade das imagens superior e homogênea para toda a
população, conforme demonstrado em trabalhos anteriores (Menezes et al, 2016). Nestes casos,
a aplicação de um filtro adicional sobre as regiões de interesse resulta em quantificações do
SUV harmonizadas e com variabilidade aceitável.
71
6. PERSPECTIVAS
Em trabalhos futuros, pretende-se expandir a metodologia deste estudo para
desenvolver protocolos de imagens para tumores de pulmão de células não pequenas, que é uma
aplicação de tumores sólidos a qual tem surgido o interesse clínico em realizar exames de
indivíduos assintomáticos para rastreamento de tumor em indivíduos de alto risco (ex:
fumantes) (SPADAFORA et al, 2016; HUSTINX, 2016; SCHAEFFERKOETTER, J. e
TOWNSEND, D. W, 2016; SPADAFORA et al, 2017). Como este tipo de aplicação requer
irradiar uma grande população de pacientes, devem-se cuidar mais detidamente, além dos
custos, também da dosimetria aos pacientes. Entretanto, estas aplicações só são possíveis em
ensaios clínicos quando há o engajamento das instituições de saúde em adotar padrões como as
recomendações da EANM (acreditação EARL). Com o advento do SUVpeak demonstrando ser
uma alternava mais robusta, pretende-se avaliar o SUVpeak em conjunto com o SUVmáx em
novos trabalhos como uma métrica alternativa com maior grau de confiabilidade em exames de
baixa posologia. Contudo, as sociedades médicas devem adotar programas de educação
continuada para expor à comunidade de medicina nuclear os benefícios na adoção de
procedimentos PET/CT de baixa dose e na obtenção da acreditação EARL, principalmente na
elevação dos níveis de qualidade da assistência médica a partir de valores de SUV rastreáveis.
Algumas iniciativas neste sentido foram adotadas durante o ano de 2016, a partir de seminários
e palestras realizadas com o apoio da Agência Internacional de Energia Atômica e do Hospital
São Rafael. Estas iniciativas serão mantidas para o ano de 2017, incluindo um grupo de trabalho
para auxiliar os serviços de saúde na obtenção da acreditação EARL.
72
REFERÊNCIAS
ADAMS, M. C.; TURKINGTON, T. G.; WILSON, J. M.; WONG, T. Z. A Sistematic review
of the factors affecting accuracy of SUV measurements. American Journal of Roentgenology,
v. 195, n. 2, p. 310-320, 2010. ISSN 1546-3141.
ACR-SPR practice parameter for performing FDG-PET/CT in oncology. 2016. Disponível em:
< http://www.acr.org/~/media/71B746780F934F6D8A1BA5CCA5167EDB.pdf >. Acesso em:
16/12/2016.
AKAMATSU, G.; ISHIKAWA, K.; MITSUMOTO, K; TANIGUCHI, T.; OHYA, N.; BABA,
S.; ABE, K.; SASAKI, M. Improvement in PET/CT image quality with a combination of point-
spread function and time-of-flight in relation to reconstruction parameters. Journal of Nuclear
Medicine, v. 53, n. 11, p. 1716-1722, 2012. ISSN 0161-5505.
AKAMATSU, G.; UBA, K.; TANIGUCHI, T.; MITSUMOTO, K.; NARISUE, A.; TSUTSUI,
Y.; SASAKI, M. Impact of time-of-flight PET/CT with a large axial field of view for reducing
whole-body acquisition time. Journal of nuclear medicine technology, v. 42, n. 2, p. 101-
104, 2014. ISSN 0091-4916.
AKAMATSU, G; IKARI, Y.; NISHIDA, H.; NISHIO, T.; OHNISHI, A.; MAEBATAKE, A.;
SASAKI, M.; SENDA, M. Influence of statistical fluctuation on reproducibility and accuracy
of SUVmax and SUVpeak: a phantom study. Journal of nuclear medicine technology, v. 43, n.
3, p. 222-226, 2015. ISSN 0091-4916.
ALESSIO, A. M.; STEARNS, C. W.; TONG, S.; ROSS, S. G.; KOHLMYER, S.; GANIN, A.;
KINAHAN, P. E. Application and evaluation of a measured spatially variant system model for
PET image reconstruction. IEEE transactions on medical imaging, v. 29, n. 30, p. 938-949,
2010. ISSN 0278-0062.
ALESSIO, A. M.; RAHMIM, A.; ORTON, C. G. Resolution modeling enhances PET imaging.
Medical Physics. v. 40, n. 120601, 2013. ISSN 0094-2405.
ANDERSEN, F. L.; KLAUSEN, T. L.; LOFT, A.; BEYER, T.; HOLM, S. Clinical evaluation
of PET image reconstruction using a spatial resolution model. European journal of radiology,
v. 82, n. 5, p. 862-869, 2013. ISSN 0720-048X.
BAI, E. and ESSER, P. D. The effect of edge artifacts on quantification posiron emission
tomography. Nuclear Science Symposioum Conference Record, p. 2263-66, 2010. ISSN
1095-7863.
73
BAILEY, D. L.; TOWNSEND D. W.; VALK P. E.; MAISEY, M. N. Positron emission
tomography basic sciences. Springer science, 2005. ISBN 1852337982.
BAILEY, D. L.; HUMM, J. L.; TODD-POKROPEK, A.; VAN ASWEGEN, A. Nuclear
medicine physics: a handbook for teachers and students. IAEA, 2014. ISBN
9789201438102.
BETTINARDI, V.; MANCOSU, P.; DANNA, M.; GIOVACCHINI, G.; LANDONI, C.;
PICCHIO, M.; GILARDI, M. C.; SAVI, A.; CASTIGLIONI, I.; LECCHI, M.; FAZIO, F. Two-
dimensional vs three-dimensional imaging in whole body oncologic PET/CT: a Discovery STE
phantom and patient study. Quarterly Journal of Nuclear Medicine and Molecular Imaging,
v. 51, n. 3, p. 214-23, 2007. ISSN: 1824-4785.
BIERSACK, H. J. and FREEMAN, L. M. Clinical nuclear medicine. Springer-Verlag Berlin
Heidelberg, 2007. ISBN 9783540280255.
BOELLAARD, R.; O’DOHERTY, M. J.; WEBER, W. A.; MOTTAGY, F. M.; LONSDALE,
M. N.; STROOBANTS, S. G.; OYEN, W. J. G.; KOTZERKE, J.; HOEKSTRA, O. S.; PRUIM,
J.; MARSDEN, P. K.; TATSCH, K.; HOEKSTRA, C. J.; VISSER, E. P.; ARENDS, B.;
VERZIJLBERGEN, F. J.; ZIJLSLSTRA, J. M.; COMANS, E. F. I.; LAMMERTSMA, A. A.;
PAANS, A. M.; WILLEMSEN, A. T.; BEYER, T.; BOCKISCH, A.; PROKOP, C. S.;
DELBEKE, D.; BAUM, R. P.; CHITI, A.; KRAUSE, B. J. FDG PET and PET/CT: EANM
procedure guidelines for tumour PET imaging: version 1.0. European journal of nuclear
medicine and molecular imaging, v. 37, n. 1, p. 181-200, Jan 2010. ISSN 1619-7089
(Electronic).
BOELLAARD, R.; WILLEMSEN, A. T.; ARENDS, B,; VISSER, E. P.; EARL procedure for
assessing PET/CT system specific patient FDG activity preparations for quantitative FDG
PET/CT studies. 2013. Disponível em: <www.earl.eanm.org>. Acessado em 16.12.2016.
BOELLAARD, R. Optimisation and harmonisation: two sides of the same coin? European
journal of nuclear medicine and molecular imaging, v. 40, n. 7, p. 982-984, 2013. ISSN
1619-7070.
BOELLAARD, R.; BOLTON, D. R.; OYEN, W. J. G.; GIAMARILLE, F.; O’DOHERTY, M.
TATSCH, K.; ESCHNER, W.; J.; VERZIJLBERGEN, F. J.; BARRINGTON, S. F.; PIKE, L.
C.; WEBER, W. A.; STROOBANTS, S.; DELBEKE, D.; DONOHOE, K. J.; HOLBROOK,
S.; GRAHAM, M. M.; TESTANERA, G.; HOEKSTRA, O. S.; ZIJLSTRA, J.; VISSER, E.;
HOEKSTRA, C. J.; PRUIM, J.; WILLEMSEN, A.; ARENDS, B.; KOTZERKE, J.;
BOCKISCH, A.; BEYER, T.; CHITI, A.; KRAUSE, B. J. FDG PET/CT: EANM procedure
74
guidelines for tumour imaging: version 2.0. European journal of nuclear medicine and
molecular imaging, v. 42, n. 2, p. 328-354, 2015. ISSN 1619-7089 (Electronic).
BOELLAARD, R. The engagement of FDG PET/CT image quality and harmonized
quantification: from competitive to complementary. European journal of nuclear medicine
and molecular imaging, v. 43, n. 1, p. 1-4, 2016. ISSN 1619-7070.
BURGES, A. E. The Rose model, revisited. Journal of the Optical Society of America. v. 16,
n. 3, p. 633–46, 1999. ISSN 1520-8532 (Electronic).
CHERRY, S. R.; SORENSON, J. A.; PHELPS, M. E. Physics in nuclear medicine. Elsevier
Health Sciences, 2012. ISBN 1455733679.
CNEN. Diretrizes básicas de proteção radiológica. CNEN-NN-3.01. Rio de Janeiro:
Comissão Nacional de Energia Nuclear, 2011, 22 p.
DE GROOT, E. H.; POST, N.; BOELLAARD, R.; WAGENAAR, N. R. L.; WILLEMSEN, A.
T. M.; VAN DALEN, J. A. Optimized dose regimen for whole-body FDG-PET imaging.
European journal of nuclear medicine and molecular imaging, v. 3, n. 1, p. 63, 2013. ISSN
2191-219X (Electronic). Disponível em: < http://www.ncbi.nlm.nih.gov/pubmed/23938036 >.
FERRETTI, A.; BELLAN, E.; GAVA, M.; CHONDROGIANNIS, S.; MASSARO, A.;
NIBALE, O.; RUBELLO, D. Phantom study of the impact of reconstruction parameters on the
detection of mini-and micro-volume lesions with a low-dose PET/CT acquisition protocol.
European journal of radiology, v. 81, n. 11, p. 3363-3370, 2012. ISSN 0720-048X.
GRAHAN, M. M.; WAHL, R. L.; HOFFMAN, J. M.; YAP, J. T.; SUNDERLAND, J. J.;
BOELLAARD, R.; PERLMAN, E. S.; KINAHAN, P. E.; CHRISTIAN, P. E.; HOEKSTRA,
O. S.; DORFMAN, G. S. Summary of the UPICT protocol for 18F-FDG PET/CT imaging in
oncology clinical trials. Journal of Nuclear Medicine, v. 56, n. 6, p. 955-61, Jun 2015. ISSN
0161-5505.
HATT, M.; LE POGAM, A.; VISVIKIS, D.; PRADIER, O.; LE REST, C. C. Impact of partial-
volume effect correction on the predictive and prognostic value of baseline F-18-FDG PET
images in esophageal cancer. Journal of Nuclear Medicine, v. 53, n. 1, p. 12-20, 2012. ISSN
0161-5505.
HOEKSTRA, C. J.; PRUIM, J.; WILLEMSEN, A.; ARENDS, B.; KOTZERKE, J.;
BOCKISCH, A.; BEYER, T.; CHITI, A.; KRAUSE, B. J. FDG PET/CT: EANM procedure
guidelines for tumour imaging: version 2.0. European journal of nuclear medicine and
molecular imaging, p. 1-26, 2014. ISSN 1619-7070.
75
EARL. FDG-PET/CT Accreditation. EARL. 2016. <http://earl.eanm.org/cms/website.php>.
Acesso em: 15/03/2017.
HUSTINX, R. How to scan who: the delicate balance between selecting the patient and
selecting the imaging protocol. European journal of nuclear medicine and molecular
imaging, v. 44, p. 5-7, 2016. ISSN 1619-70789.
IAEA. Quality assurance for PET and PET/CT systems. IAEA human health systems n. 1.
Viena: International Atomic Energy Agency, 2009, 158 p.
JAKOBY, B. W.; BERCIER, Y.; WATSON, C. C.; BENDRIEM, B.; TOWNSEND, D. W.
Performance characteristics of a new LSO PET/CT scanner with extended axial field-of-view
and PSF reconstruction. Nuclear Science, IEEE Transactions on, v. 56, n. 3, p. 633-639,
2009. ISSN 0018-9499.
KOOPEMAN, D.; van OSCH, J. A.; JAGER, P. L.; TENBERGEN, C. J.; KNOLLEMA, S.;
SLUMP, C. H.; van DALEN, J. A. Technical note: how to determine the FDG activity for tumor
PET imaging that satisfies European guidelines. European journal of nuclear medicine and
molecular imaging physics, v. 3, n. 1, p. 22, 2016. ISSN 2197-7364 (Online).
LASNON, C.; DESMONTS, C.; QUAK, E.; GERVAIS, R.; DO, P.; DUBOS-ARVIS, C.;
AIDE, N.. Harmonizing SUVs in multicentre trials when using different generation PET
systems: prospective validation in non-small cell lung cancer patients. European journal of
nuclear medicine and molecular imaging, v. 40, n. 7, p. 985-996, 2013. ISSN 1619-7070.
LODGE, M. A.; CHAUDRY, M. A.; WAHL, R. L.; Noise considerations for PET
quantification using maximum and peak standardized uptake value. Journal of Nuclear
Medicine, v. 53, n. 7, p. 1041-1047, 2012. ISSN 0161-5505.
MACHADO, M. A. D.; QUEIROZ, C. C.; MENEZES, V. O.; QUEIJO, D. A.; VIGARIO, A.
O.; VIEIRA, L. O.; SAMPAIO, J. L. L; SANTOS, A. G.; NAMIAS, M. Avaliação qualitativa
e quantitativa da reconstrução OSEM 3D PSF. XXVI Congreso Brasileño de Medicina
Nuclear. Salvador - BA, Brazil 2012. ISSN 0717-4055.
MACHADO, M. A. D.; MENEZES, V. O.; QUEIROZ, C. C.; NAMIAS, M.; SOARES, M. B.
P. Controle de Qualidade em PET/CT. XXV Congreso ALASBIMN. Punta Del Este, Uruguay,
2015. ISSN 0717-4055.
MACHADO, M. A. D.; MENEZES, V. O.; NAMIAS, M; VIEIRA, N. S,; QUEIROZ, C. C.;
OLIVEIRA, M. L. Technology Innovation Based on Specific Nuclear Medicine Software for
76
PET/CT Protocol Standardization and Quality Assurance Management. International
Symposium – Quantification in Medical and Preclinical Imaging: state of the art and
future developments. Groningen, Holanda, 2016.
MAISONOBE, J. A.; GARCIA, C. A.; NECIB, H.; VANDERLINDEN, B.; HENDLISZ, A.;
FLAMEN, P.; BUVAT, I. Comparison of PET metabolic indices for the early assessment of
tumour response in metastatic colorectal cancer patients treated by polychemotherapy.
European journal of nuclear medicine and molecular imaging, v. 40, n. 2, p. 166-174, 2013.
ISSN 1619-7070.
MASUDA, Y.; KONDO, C.; MATSUO, Y.; UETANI, M.; KUSAKABE, K. Comparison of
imaging protocols for 18F-FDG PET/CT in overweight patients: optimizing scan duration
versus administered dose. Journal of Nuclear Medicine, v. 50, n. 6, p. 844-48, Jun 2009. ISSN
0161-5505.
MAWLAWI, O. e TOWNSEND, D. W. Multimodality imaging: an update on PET/CT
technology. European journal of nuclear medicine and molecular imaging, v. 36, n. 1, p.
15-29, 2009. ISSN 1619-7070.
MENEZES, V.; MACHADO, M.; QUEIROZ, C.; SOUZA, O. S.; d’ERRICO, F.; NAMIAS,
M.; LAROCCA, T. F.; SOARES, M. B. P. Optimization of oncological 18F-FDG PET/CT
imaging based on a multiparameter analysis. Medical physics, v. 43, n. 2, p. 930-938, 2016.
ISSN 0094-2405.
NAGAKI, A.; ONOGUCHI, M.; MATSUTOMO, N. Patient Weight–Based Acquisition
Protocols to Optimize 18F-FDG PET/CT Image Quality. Journal of nuclear medicine
technology, v. 39, n. 2, p. 72-76, 2011. ISSN 0091-4916.
NAMÍAS, M et al. Optimización del tiempo de adquisición en PET/CT de cuerpo entero con
18F-FDG. Revista de la Asociación Argentina de Biología y Medicina Nuclear, v. 2, n. 3,
p. 12-15, 2012. ISSN 1852-5857.
NATIONAL ELECTRICAL MANUFACTURER ASSOCIATION. NEMA NU-2 Standards
Publication NU2-2007: Performance Measurements of Positron Emission Tomographs, 2007.
QUAK, E.; ROUX, P.; HOFMAN, M.; Harmonizing FDG PET quantification while
maintaining optimal lesion detection: prospective multicentre validation in 517 oncology
patients. European journal of nuclear medicine and molecular imaging, v. 42, n. 13, p.
2072-2082, 2015. ISSN 1619-7070.
77
RAHMIM, A.; QI, J.; SOSSI, V. Resolution modeling in PET imaging: theory, practice,
benefits, and pitfalls. Medical Physics. v. 40, n. 6, p. 064301, 2013. ISSN 0094-2405.
SCHAEFFERKOETTER, J.; CASEY, M.; TOWNSEND, D. W.; FAKHRI, G. Clinical Impact
of Time-of-Flight and Point Response Modeling in PET Reconstructions: A Lesion Detection
Study. Physics in medicine and biology, v. 58, n. 5, p. 1465, 2013. ISSN 0031-9155.
SCHAEFFERKOETTER, J. e TOWNSEND, D. W. Quantitative Accuracy and Lesion
Detectability of Low-Dose FDG-PET for Lung Cancer Screening. Journal of nuclear
medicine technology, v. 57, n. suppl 2, p.440-440, 2016. ISSN 0091-4916.
SCHMIDTLEIN, C.; BEATTIE, B. J.; BAILEY, D. L.; AKHURST, T. J.; WANG, W.;
GÖNEN, M.; KIROV, A. S.; HUMM, J. L. Using an external gating signal to estimate noise in
PET with an emphasis on tracer avid tumors. Physics in medicine and biology, v. 55, n. 20, p.
6299, 2010. ISSN 0031-9155.
SHER, A.; LACOEUILLE, F.; FOSSE, P.; VERVUEREN, L.; CAHOUET-VANNIER, A.;
DABLI, D.; BOUCHET, F.; COUTURIER, O. For avid glucose tumors, the SUV peak is the
most reliable parameter for [18F] FDG-PET/CT quantification, regardless of acquisition
time. European journal of nuclear medicine and molecular imaging, v. 6, n. 1, p. 1, 2016.
ISSN 1619-7070.
SUNDERLAND, J. J. and CHRISTIAN, P. E. Quantitative PET/CT scanner performance
characterization based upon the society of nuclear medicine and molecular imaging clinical
trials network oncology clinical simulator phantom. Journal of Nuclear Medicine. v. 56, n. 1,
p. 145-152, Jan 2015. ISSN 0161-5505.
SPADAFORA, M.; PACE, L.; MANSI, L. Segmental 18F-FDG-PET/CT in a single pulmonary
nodule: a better cost/effectiveness strategy. European journal of nuclear medicine and
molecular imaging, 2016. ISSN 1619-7089.
SPADAFORA, M.; PACE, L.; MANSI, L. The delicate balance between present and
future. European Journal of Nuclear Medicine and Molecular Imaging, v. 44, n. 2, p. 346-
347, 2017. ISSN 1619-7089.
TONG, S.; ALESSIO, A.; KINAHAN, P. Noise and signal properties in PSF-based fully 3D
PET image reconstruction: an experimental evaluation. Physics in medicine and biology, v.
55, n. 5, p. 1453, 2010. ISSN 0031-9155.
VAN HEIJL, M.; OMLOO, J. M.; HENEGOUWEN, M. I. V.; VAN LANSCHOT, J. J.;
SLOOF G. W.; BOELLAARD, R. Influence of ROI definition, partial volume correction and
78
SUV normalization on SUV-survival correlation in oesophageal cancer. Nuclear medicine
communications, v. 31, n. 7, p. 652-658, 2010. ISSN 1473-5628.
WAHL, R. L.; JACENE, H.; KASAMON, Y.; LODGE, M. A. From RECIST to PERSIST:
evolving considerations for PET response criteria in solid tumors. Journal of Nuclear
Medicine. v. 50, n. suppl 1 , p. 122S-150S, 2009. ISSN 0161-5505.
WORSLEY, K. J.; MARRETT, S.; NEELIN, P.; EVANS, A. C. Searching scale space for
activation in PET images. Human brain mapping. v. 4, n. 1, p. 74-90, 1996. ISSN 1097-0193.
YAN, J.; SCHAEFFERKOETTER, J.; CONTI, M.; TOWNSEND, D. W. A method to assess
image quality for Low-dose PET: analysis of SNR, CNR, bias and image noise. Cancer
imaging. v. 16, n. 1, p. 26, 2016. ISSN 1470-7330.
ZAIDI, H. Quantitative analysis in nuclear medicine. Springer science, 2006. ISBN
9780387238548.